全部正确的。 你好每个人。
我的姓名是斯科特艾伦.
我是A系统工程师在JMP。
我是去到是呈现A神经的网络调音添加-在
那我有发达真的帮助发展神经的网络楷模
在一个自动化的方式到建造许多楷模，
寻找出去哪个参数是最多有效的在建筑这最好的模型。
什么ID喜欢到做只是简单介绍一下背景
在动机为了建筑这添加-在。
我是去到做或许A演练，描述，
什么是去在在这背景什么时候你跑步这添加-在
和然后展示A使用案件为了它。 A样本工作流程。
然后就真的包裹起来向上和一些教训学到了。
这曾是我的第一的大的脚本编写项目，所以当然学到了A很多沿着这方式。
我想要到分享那和然后作为出色地作为什么是下一个。
第一的，只是我想到这里需要3、4分钟
只是在这背景和动机。
很多的其他机器JMP 中的学习平台有一些有点
范围调音功能，
无论它是A调音桌子那你创造外部这平台，
喜欢在引导程序森林或者增强的树木，或者一个融合的调音设计
像支持向量机器和这新的XGBoost平台。
但有不是一为了神经的网络。
那引领到一些顾客我会询问这件事。
“是这某物那是可用的？
是那里脚本出去那里那我们能使用？
是那里一个添加-在？”
那里是A很少事物出去那里，但或许不是一切在一地方。
然后在A个人的等级，我有绝不进行A大的脚本编写项目。
我有完毕一些小的吉林省脚本到自动化工作流程，
或者到干净的向上数据，但我有绝不建成一个应用。
这是，我真的通缉A项目到帮助我学习。
我用过的这作为一个借口到学习JSL。
这神经的网络平台在 JMP 中确实是强大的，
和所以患病的只是发射它真的快的。
我是当然如果你已经见过它...
我将要提到我是使用 JMP PRO版本17.1 。
那是在哪里全部这测试有发生了为了这添加-在。
我有不是消失了向后许多版本。
我会建议如果你是去到用这个
你需要到有联合管理计划专业版和在至少版本 17.1。
这联合管理计划神经的网络平台是真的强大的
和我只是想到拿A很少分钟到去通过什么这看起来喜欢。
我思考大家有...
如果你已经用过的神经的网络，你已经消失了通过这个工作流程
和它是A真的好的灵活的平台为了发展这些楷模。
你能开始离开和基线模型和或许你是不是使满意
和这表现的你的模型在这案件。
你能只是去后退到这模型发布和你能调整这参数这里。
你能去和产生其他模型。
它是便于开始改变这些参数
和发现楷模那可能是这最多合适的为了你的系统。
但那里是A很多的选项在这里。
你已经得到不同的数字的节点，你已经得到一或者二层，
有提升选项作为出色地作为A很多的不同的配件选项。
你不总是知道...
它是不是总是清除哪个的这些您需要更改的参数
在命令到得到这最好的模型为了这数据桌子那你是在职的在
和这预测因子那你是使用。
它是不是总是清除如果调整A范围
是去到带领到A更好的模型。
你只是调整上一个ND向下，或许拿大的脚步
到数字出去什么是去在。
确实如此要求A很多的手动的调整经过这用户
在命令到产生这些楷模。
他们是漂亮的快速地，所以它是不是时间-消耗到创造这些
但它d厄斯要求A很多的点击次数。
我的目标这里和一些的我的灵感曾是真的到提供A单身的平台
为了调音和评估那些神经的网络楷模。
我曾是还启发那里是一些调音脚本出去那里。
缺口谢尔顿有A脚本那会帮助你建立那个表
和跑步它和评价那些楷模。
标记贝利有发达一个添加-在为了这作为出色地，
和那里是 s奥梅社区帖子那是试到F图出去如何到做这个。
那些是全部一些开始点为了这添加-在。
然后我真的喜欢这XGBoost添加-在界面。
它是真的干净的，它是得到一些图形化的输出
和它是真的简单的到导航和让我们你汽车调那些网络。
这添加-在那我是发展不是汽车调音，
它是真的更多的的A野蛮的力量方法。
只是建造地段的楷模和然后有A图形化的界面那里
到帮助你欧寻找这最好的一为了你的系统。
让我们去在和移动在 t哦只是什么这添加-在做和如何到使用它。
到发射这添加-在，只是喜欢最多添加-插入，
你去到这添加-在菜单，和它是被称为神经网络调音。
那需要你到这发射对话。
这给出你A栏目角色界面那非常相似的
到许多其他平台。
我们能只是选择所有的o F我们的因素这里和我们的回复。
现在，它允许A单身的是回复，
和它能是任何一个连续的或者绝对的。
这添加-在现在仅有的有这二验证方法，
所以你能指定A验证柱子和两个都验证和测试。
设置如果你有那，如果你不，它是只是去到做A随机的阻碍，
这默认对于 t他神经的网络。
然后你能指定和切换或者切换这信息丰富的丢失的作为出色地。
但出色地只是去和这为了现在。
我们点击好的，和那需要你到这调音发射。
这调音对话，第一的，给出你A小的少量的信息
关于什么是在这数据桌子和什么你指定的作为柱子角色。
正确的现在我们已经得到这数据这里的桌子，这模型验证方法，
作为出色地作为无论或者不是我们有信息丰富的丢失的在或者离开。
然后我们已经得到这美国能源部选项。
什么这添加-在将要做，是看在全部这范围范围那你已经放
和创造A快速地，灵活的，空间-填充设计。
真的这仅有的设计规格你需要
是到放这数字的试验在这设计。
在这案件我们已经得到默认情况下它是去到是放到20、
和有一些规则的拇指。
或许你想到指定在至少10治疗在这设计
为了每一个因素那你是看着在，但它是完全地向上到这用户，
和所以出色地来后退和调整那如果我们需要到。
你能还复制这设计和A不同的随机的种子。
在一些案例如果你想到看如何强壮的你可能是
到肯定参数，你能跑步这相同的神经的网络模型20次，
但全部和不同的随机的种子到看如何强壮的这模型是到那。
然后你能切换无论或者不是你想到看这美国能源部对话那节目向上。
一次你已经消失了通过美国能源部选项这里，
你能来向下到这神经的网络调整。
我尝试过到停留漂亮的真的到这原来的平台
在这神经的网络经过使用相似的语言和选项这里。
这是在哪里你走吧，一个ND反而的指定A单身的价值
为了一的这些参数，是去到指定A范围。
还，我是限制A小的少量这可用的选项
为了这类型的神经的网络那你是去到创造。
在这案件你能产生A单身的隐层，
你能产生二隐层，或者一隐层和助推。
现在，这神经的网络平台不允许
A第二层和助推。
如果你尝试到做那在这神经的网络平台，
它将要给你A警告说那它是去到忽略那第二层。
在这添加-在，我只是制作它所以那你零出去全部那些第二层数
什么时候你启用助推。
在这案件是去到 e探索这数据桌子A少量
有可能是去到放一些宽的范围的调音参数。
我是去到去从0-9在每个的那些激活函数数字的节点。
超过在这配件选项，你不有到一定
知道什么可能是最好的为了你的系统，你能只是选择他们
到是部分F这美国能源部，或者在这案件
这些转换协变量和强壮的合身选项。
你能切换他们到总是是离开，总是是在，或者包括在 DOE 中。
出色地包括两个都的那些在这美国能源部为了这例子。
惩罚方法。
你能测试任何或者全部这不同的方法。
如果你不指定任何惩罚方法，它将要跑步
这默认惩罚方法平方。
但是去到查看全部的那些。
你能还指定这数字的旅游每模型。
在回顾过去，我大概没有需要到添加这
但是因为你可以做某物相似的经过只是复制全部的这设计
和看到这结果从每个的那些楷模。
但它是这里在案件你想到调整这数字的旅游。
你能还指定A随机的种子。
在这案件，我有得到，3,4,5,6。六种不同因素在这设计，
所以我是只是去到或许转t他的向上到60.
我是去到创造60楷模。
前我点击跑步，我是g奥因到讲话A小的少量关于
什么是去在什么时候你点击跑步。
这第一的事物那发生当Y欧点击跑步，
是它是去到创造A因素桌子和仅有的这已选择参数。
我们选择它。
在这案件它会创造A因素桌子和单身的-层节点，
全部的这不同的配件选项。
它是不是去到放这第二个l艾尔或者任何的这提升参数
进入这因素桌子。
那我就是去到创造A反应表在哪里这训练，验证，
和测试R-平方值已指定
A ND然后它是去到结合那些进入A单身的桌子。
这是什么这美国能源部样本桌子将要看喜欢。
它是只是去到有这回应作为这R-平方价值观
和然后全部这不同的参数。
然后这些只是得到通过了进入这神经的网络平台排-经过-排，
和这结果展示向上在这数据桌子。
只是喜欢是说，每个的那些运行在这设计是去到去进入这
神经的网络模型平台依次地和然后我们有A小的对话盒子
那是去到表明这全面的过程。
在这案件的真的长的-跑步神经的网络，
它是好的到只是看如何迅速地这所有的设计是去到去。
我会推荐前指定A大的数字的试验在这设计
那你跑步一或者二先的时间只是到看
如何长的他们是去到拿。
如果你有相当小的数据放，然后他们去漂亮的迅速地，但如果你有
A复杂的数据放，他们能拿有时相当A尽管到跑步。
在这案件我是只是使用A样本数据放从这样本数据放图书馆。
这药片生产。
它是不是这最好的数据放到跑步为了神经的网络只是因为
那里不是A所有的很多的观察，但我是使用它只是b因为
这神经的网络跑步真的快的。
在这案件，如果是使满意和全部的这规格
那我们有在我们的模型，我们能只是去先和点击跑步。
什么这有完毕是它是已创建那设计桌子
和现在它是通过通过每个的那些试验
进入 t他神经的网络平台和给予一个输出。
如果我们看在这家窗户，全部这有完毕是它是采取
那调音结果桌子和我有隐它
和我只是带我来t出去进入这相同的窗户这里。
让我们只是去在到这下一个一。
我们能工作通过那数据桌子这里，所以它是交互的。
什么你第一的看向上这里是图形建设者报告。
时间他的节目你全部的你的不同的参数，
所以这不同的激活功能作为出色地作为这数字的节点
是这规模，和如何这验证R-平方变化
和尊重到每个的那些个人参数。
在这案件的绝对的参数，你g等A盒子阴谋显示这不同之处
在这价值观这方式。
我们能看在这案件或许为了强壮的合身，
它是得到A更宽的范围，但在平均的这是g奥因到是更好的。
这中位数价值是更好的。
是更高R-平方。
我们能还看向下这里在这数据表，
它是去到种类这数据桌子经过这验证R-平方
和它只是色调那些A更深紫色的取决于在这价值。
让我们看。
我们可以用...
一原因我只是保留这数据桌子作为它是，
是我们能探索它只是喜欢我们探索任何数据桌子在杰普,
所以你能看在柱子标头或者你能发射图形建设者
或者做各种各样的分析在这数据桌子作为它是正确的这里。
那里区域很少额外的数据列或者列那是添加
到这数据桌子。
一，它记录这随机的种子。
如果你想到复制这，你知道什么随机的种子被使用
在生成这n欧洲的网络楷模，节目你这信息丰富的丢失的，
节目你这过去时间为了每个的这楷模。
如果你是建筑大的楷模或者你可能想到最小化的r不定时，
然后你能得到一个估计o F如何长的它可能拿为了你到跑步
额外的楷模。
能源部只是记录什么美国能源部曾是跑步。
这曾是这第一的，所以它得到A 1.
作为你会看我们能跑步A第二和第三，和你能然后使用那些
作为一些绘图工具。
还告诉你这类型的神经的网络那曾是跑步。
无论它曾是单身的-分层，双倍的-层，
或者A单身的-层和助推。
有A夫妻的其他
列那是添加。
这因素柱子只是让我们你跟踪的这因素
那是用过的在这设计在案件你想到比较楷模
那有不同的因素那是用过的反而的只是参数，
进而还A排柱子。
这下一个脚步所以我们能继续建筑出去。
或许在这案件是探索这参数。
现在我们已经得到A基线的A单身的神经的网络
和或许我们想到看如何这比较到A二-层神经的网络。
我们能去后退到这调音发射哪个曾是只是最小化。
你能看那全部的这报告，这图形建设者报告
作为出色地作为这桌子是只是一个附加的到这调音发射。
我们能去后退向上到 t他的调音发射和或许我想到看在
二隐层。
出色地去到二，和现在患病的放在A范围的
那些结果或者那些参数和保持一切别的这相同的。
你能看它是去到预载这随机的种子那我生成的
在这第一的美国能源部只是到制作当然一切的使用这相同的随机的种子。
出色地保持它在60、甚至尽管我们可能想到增加它
经过A小的少量自从我们是一个丁一些更多的因素，
但保持它简单的，出色地去吧和60.
另一个事物只是到提到是，在这案件它是大概漂亮的
低的似然度t帽子全部的这些会是放到零在A设计，
但如果他们是它会只是去到这默认和杰普,
哪个是A单身的10小时层。
你不有到担心关于拥有A神经的网络和零层数
或者零节点。
如果是使满意和这，是只是去到点击跑步。
尽管这是跑步，我是只是去到带来向上这家窗户。
你能看什么它是正在做。
我们已经得到我们的原来的调音结果桌子这里，
和它是建成A第二个t乌宁结果桌子，
什么时候它是完成了，我t只是追加那到我们的原来的桌子。
现在我能看在橙子，是全部的那些第二-层楷模。
我们能看在这案件，或许拥有二层数
曾是不是非常有利在这案件。
看起来喜欢在漂亮的很多全部案例，那些神经的网络是不是作为好的。
然后或许只是到圆形的这个出来，是去到去
并建立一些神经网络和助推。
提升是A真的好的方式到增加这预言力量的我们的模型。
是去到指定一些提升级别从1-10,作为出色地作为
这学习速度从0.1到1.
一次再次我们的随机的种子是相同，和这些是去到拿
A小的少量更长，所以我是只是去到减少数字的运行
只是在这兴趣的时间。
我们能点击跑步这里，我们得到我们的对话盒子那告诉我们
我们的全面的进步，和我们能看这些在这案例
在哪里我们已经大概得到地段的提升，他们可能是采取A小的少量的时间。
在这案件提升神经的网络，或者神经的网络那有提升
是现在这紫色的，和我们能看在漂亮的很多全部这案例
紫色的是更高，尤其什么时候它看起来喜欢
我们能看经过这些盒子地块作为出色地。
然后我们能还看在 t他的案件超过这里我们的助推。
或许我们没有成立这最大限度数字的提升，
它看起来喜欢它继续去向上，
所以我们可能想到添加一些额外的提升层数或者或许
我们的学习速度是最好的在这中间到高的价值
反而的在这最低学习速度价值观。
这下一个事物我们可能会蚂蚁到做一次我们有这最初的看法
的我们的系统，是到跑步A很少的这些神经的网络和比较他们。
我们能做那A很少方法。
我们能看在我们的桌子这里有一个ND跑步或者和选择一些神经的网络
基于在这图形，和你能看他们是突出显示向下以下
在我们的数据桌子作为出色地。
或许什么我们想到做是跑步这顶部四或者五。
我想到跑步这顶部五。
我不有到去后退进入这神经的网络平台到做这，
我能只是跑步它经过点击这按钮，跑步已选择楷模。
现在它是去到跑步那些后退进入这神经的网络平台
和给我们A小的输出那节目我们这排在我们的数据桌子那曾是跑步。
这是只是这标准神经的网络输出现在。
我们经过通过这相同的随机的种子，所以如果我们拿A看在 R 平方值下，
是去到得到这相同的神经的网络那曾是发达
因为是使用那，通过通过那相同的种子。
然后我们能来通过和我们能拿A看在更多...
任何一个这更多的概括统计价值观或者这实际的相对预料到的，
或者得到这分析器。
任何我们可能想到做比较这些神经的网络。
一其他事物我们可能想到做在这阶段
是创造一些额外的可视化。
我们能去通过和我们能展示这调音桌子。
如果我们不想到工作在我上t这里，我们能只是取消隐藏它，
和现在我们已经得到A数据桌子那我们能使用，
和我们能去进入图形建设者和或许我们想到
拿A看在验证相对训练R-平方
只是到看如何那是看着，或者我们能去通过。
因为我们已经得到这数字的美国能源部，我们可以追踪如何我们的神经的网络
有改进的和我们的调整。
我能去进入图形建设者和我能使用那能源部，
和或许我们想到看在训练和验证 R 平方，
我们能转动在盒子地块和我们能看如何我们的调音有进步了超过时间
和每个随后的设计那我们跑了。
其他选项是如果你想到做一些更多的分析性的类型分析这里，
我们能去进入筛选和我们能跑步预测器筛选。
我们能拿全部的那些参数，加载他们在作为预测因子，
和看着我们的训练和验证R-平方。
点击好的，和现在我们能看哪个因素可能是最多有影响
在里面训练或者验证。
不是出奇，那些学习费率和提升一个关于好的在这验证。
有不结尾到什么分析你可能想到做，
在这里它是只是什么你的目标的这神经的网络曾是
和在哪里你想到去和它。
但你能做那全部在 t他的数据桌子哪个现在有160神经的网络楷模。
或许这些神经的网络楷模拿A小的少量的时间，
所以另一个事物你能做是我们能只是节省这。
我想到去文件，和我能节省这。
我是只是g奥因到节省它到我的桌面作为T乌宁结果。
我能来后退到这之后。
现在那我有得到它已保存，我是去到关闭这。
一事物那你会得到A警告，什么时候你关闭它。
你应该只是隐藏这数据桌子。
如果你关闭它，它是去到拿它出去的这神经的网络平台
和你惯于是有能力的到继续你的工作，
但你能隐藏它。
什么时候你得到后退到这添加-在，什么时候你关闭这窗户，
它是只是去到提醒你。
你可以关闭它没有保存或者你能取消到去后退和节省它。
是只是去到点击好的。
什么时候我节省这调音桌子为了之后，所以什么我能做是，
是现在我能重新启动那添加-在和我能去进入这调音添加-在，
点击好的。
但反而的重置任何参数和点击跑步，我能去到加载。
什么我能做是我能加载A之前已保存调音桌子，
和什么这做是让我在这案件的神经的网络
那拿A长的时间，你不有到开始超过从划痕。
你能只是保持建筑在这桌子那你通缉，或者或许你做
一些额外的分析离线和想到来后退在
和建造一些更多的楷模，所以你能去通过和什么时候你指定
全部这不同的参数和数字的调音运行你想到有，
它是只是去到继续追加它到这桌子。
和那让我们最小化这。
那是快的跑步通过的一个二这不同的选项
在这调音桌子。
它是真的A野蛮的力量方式。
你能看有不汽车调。 正确的现在它是只是跑步
全部那些不同的范围组合给予你一个主意
哪里的你的最佳的模型可能是。
如何你可能工作这进入你的工作流程所以你能探索那些参数，
这是本质上什么我们做过今天。
我们看起来在单身的-层楷模，我们看起来在楷模和二层。
单身的-层和助推。
其他事物你可能做是去后退和说，
“W嗯，在哪里是我的最佳的楷模？”
他们是这里。
我能去后退到这调音发射和或许我想到重新创造那些楷模
和去更多的向这范围。
它看起来喜欢算我一个这中间范围这里，是最佳的，
所以反而的去从0-9,或许我去从5-7 。
线性楷模还可能是最好的在这中间，
和或许这高斯，有一些好的那些在这左边，
所以出色地去从1-8或者某物喜欢那，七或者八。
然后我们能看在哪个... 在这案件，那里不是一个优势
到拥有它在或者离开，所以我们可以只是有那些离开，
或者离开或者在。
但它看起来喜欢或许在这案件这重量衰变曾是这最好的方法，
所以我们可以只是包括那一和然后去通过
和建造一些更多的楷模和A狭窄的范围的那些参数。
我们能还查看范围灵敏度到A随机的种子。
在这案件我们能经过通过任何一个持续的价值观
哦r A狭窄的范围。
你能经过通过A持续的放的参数
只是经过环境每个范围平等的到每个其他，
和它会经过那通过这神经的网络作为五每一个时间，
或者你能只是指定这分钟价值，和那将要经过它通过
作为A持续的价值。
如果我们通缉到我们可以看在
也许这个曾是A神经的网络那曾是一那我们已确定作为最佳的，
但我想到看如何强壮的它是到这随机的种子。
什么我们能做是我们能只是说只是跑步它一次，
但让我们复制它和20随机的种子。
那可能实际上拿A小的少量的时间，
所以让我们去向下到10.
然后我们能...
实际上，我不想到做那在这一，
因为我有得到全部那些其他的，但出色地只是跑步这。
你可能想到做这在A干净的数据桌子
在哪里你是不是添加它到这设计，但我们能使用b因为我们有
这数字的做我们可以寻找在哪里那随机的种子曾是。
我们能看这里，全部这不同的随机的种子
和我能去进入图形建设者和我可以只是放在
这训练和验证R-平方，和然后我能使用当地的数据筛选现在
在我的随机的种子到展示一切除了这一在哪里我们有全部那些。
现在我能看如何强壮的我的模型是到那随机的种子。
那是这相同的设计现在跑步10次，
和所以在平均的我们能看什么这中位数价值是
或者这范围的预期的结果。
然后最后，w e能加载那些已保存数据表。
那些是真的有利为了神经的可能有的网络
真的长的计算次，所以你能节省它离开
和来后退到它之后。
那些是一些工作流程那可能 b e有帮助的到你作为你建造
你的神经的网络楷模。
我只是想到裹向上和A很少教训学到了。
这曾是这第一的脚本编写项目那我去通过
那发达一个应用，
和所以我思考这是漂亮的明显的到任何人那是发达任何 JSL
或者建成任何应用程序，这联合管理计划社区是真的
一个无价资源。
我会说95%的全部我的问题，我会只是去到这社区
和某人别的有A相似的问题。
真的推荐如果你是感兴趣的在建筑添加-插入，
建筑应用程序，这社区是真的这第一的地方到去。
真的吗，你的想像力和你的目标是这限制因素
在发展这些应用程序。
A对齐的和那是因为有所以许多可能性，
那里曾是A需要到保持这专注。
在这案件，我只是有... 我思考在一迭代
我有许多不同的输出，不同的图表，
但他们不是真的这心的这应用。
因为有所以许多可能性，我真的尝试过到保持这专注的
在只是给予一些图形化的输出到导航这不同的楷模
和跑步他们和确认哪个可能是最多合适的。
什么是下一个？
我真的想反馈。
它是自私，但它是什么我真的想。
我会爱到听到如何人们能使用这，如何它是受益他们。
你能寻找这在这社区，在这添加-在部分的这社区。
请感觉自由的到制作A邮政这里，告诉我如何你是使用它。
我做有A很少已知的问题，和作为我收集更多的，
我是当然它是不是100%漏洞-证明，但这将要是这地方到去
到得到这当前的版本的这加入作为出色地作为理解任何已知的问题。
但ID爱到听到如何你是使用它，
和这社区是A伟大的地方到做那。
我会还喜欢到听到想法在额外的报告。
我保留这漂亮的简单的，但如果你寻找那有A报告
那你是生成每一个时间你跑步这，
ID喜欢到知道什么那是一个ND或许我们能建造那进入这添加-在。
我是还去到继续调试。
那里是A很少已知的问题那我是在职的通过正确的现在，
和然后或许A更大目标是到尝试到做那汽车调。
反而的正在做这野蛮的力量方法，或许开始出去和
一个小的号码 o F参数，数字出去哪个那些
区域影响这回复这最多，和然后拥有A指导的调整。
和那， ID喜欢到谢谢为了倾听到这推介会。
这是A真的乐趣项目和我希望你寻找它有用，
和会爱到听到关于它。
谢谢。
