algoritmi di estrazione di regole per verificare la Rete Neurale Artificiale (ANN)Ciao,
Recentemente ho iniziato ad utilizzare JMP Pro anche per la rete neurale artificiale.
Vorrei sapere, come posso verificare le architetture delle reti neurali con JMP?
Ad esempio, utilizzando le espressioni matematiche, la logica simbolica, la logica fuzzy o gli alberi decisionali...
Ho letto che questo sistema potrebbe risolvere la "scatola nera".
Grazie mille,
Angelo
Oggetto: algoritmi di estrazione di regole per verificare la Rete Neurale Artificiale (ANN)ciao Dan,
Ho provato la tua soluzione a 200 colonne e penso di sbagliare qualcosa, ho allegato la tabella con la formula per sapere cosa sto sbagliando, grazie!
Saluti,
Marco
Oggetto: algoritmi di estrazione di regole per verificare la Rete Neurale Artificiale (ANN)ciao Dan,
Ottima spiegazione!!! grazie, vado a provare la tua soluzione, in relazione al prezzo delle azioni (in allegato tabella 1 base e tabella 2 obiettivo), ho 4 colonne da 74.547 righe con prezzi di apertura, massimo, minimo e chiusura.... come posso convertire con una formula in JMP ...... 400 o più nuove colonne che hanno il numero massimo possibile di righe con etichette e dati creati dalla formula ... ad esempio:
open100, high100, low100, close100, open99, high99, low99, close99, open98, high98, low98, close98 ....
Saluti,
Marco
Oggetto: algoritmi di estrazione di regole per verificare la Rete Neurale Artificiale (ANN)Non posso parlare di Python. Tuttavia, puoi eseguire uno script Python dall'interno di JMP e riportare i risultati. Tuttavia, poiché la formula di previsione è stata creata in Python, non credo che JMP la convertirà in codice C. JMP può solo convertire le proprie formule native in vari formati.
Per quanto riguarda le 200 colonne dei prezzi delle azioni, il modo più semplice per farlo sarebbe con uno script. Tuttavia, un approccio di interazione consiste nel fare quanto segue:
1) Fai in modo che le tue 200 colonne vengano convertite l'una accanto all'altra.
2) Crea 200 nuove colonne usando Cols > New Columns.
3) Selezionare le 200 nuove colonne, che sono tutte vuote.
4) Scegliere Cols > Standardizza attributi.
5) Nella sezione Proprietà standardizzate, fare clic su Proprietà colonna > Formula.
6) Selezionare la casella Sostituisci riferimento colonna e fare clic su Modifica formula.
7) Costruisci la formula per la prima delle tue 200 colonne del prezzo delle azioni. La formula (in base a quanto specificato) sarebbe simile a questa:
8) Fare clic su OK per chiudere l'editor di formule.
9) Fare di nuovo clic su OK per chiudere la finestra di dialogo Standardizza attributi colonne.
Tale formula dovrebbe essere applicata a tutte le 200 colonne con i riferimenti di colonna appropriati applicati.
Oggetto: algoritmi di estrazione di regole per verificare la Rete Neurale Artificiale (ANN)Ciao Dan,
Ottima risposta!, alcune domande:
1. Mi sembra che Python abbia reti neurali ricorrenti, potrebbero essere addestrate nella piattaforma JMP e generare codice C?
2. Ho una tabella con 200 colonne di prezzi delle azioni,
Come potrebbe JMP indicare in 200 nuove colonne con il numero 1 i prezzi bassi, con il numero -1 i prezzi più alti (picchi) e con 0 il resto dei prezzi?
Saluti,
Marco
Oggetto: algoritmi di estrazione di regole per verificare la Rete Neurale Artificiale (ANN)Il problema con il punto 1 è che l'algoritmo per una rete neurale non ha il concetto di asse temporale. Questo è il motivo per cui una rete neurale ricorrente viene spesso utilizzata per i dati delle serie temporali poiché una rete neurale ricorrente include un componente di sequenziamento. Poiché JMP non lo offre, sarà necessario creare un elemento temporale o sequenza nei dati. Non sarò in grado di fornire una guida completa in questo forum in quanto si tratta di un argomento vasto. Una delle cose che dovrai capire è il tuo orizzonte di previsione. Ciò significa quali sono le unità di tempo che utilizzerai e quanto lontano nel futuro stai cercando di prevedere. Il mio primo suggerimento è stato un approccio molto semplice, un giorno prima della previsione. Tale approccio non utilizzerà alcun valore target precedente, solo i valori degli input. Tuttavia, potresti utilizzare anche l'obiettivo del giorno precedente come input. Quindi potresti provare diversi intervalli di tempo, a seconda della quantità di dati passati che desideri utilizzare e della durata del tuo orizzonte di previsione. Probabilmente ci sono altre tecniche più creative per aggiungere un elemento temporale a una rete neurale. Alcune ricerche probabilmente forniranno altre opzioni per te. Tieni presente che sono necessari vari approcci a seconda della frequenza con cui prevedi di aggiornare le previsioni, della frequenza con cui hai bisogno di una previsione, ecc.
Per quanto riguarda il punto 2, non so cosa intendi per "l'impulso trova la quantità ottimale". L'idea di trovare i tassi di apprendimento ottimali, il numero di livelli nascosti, il numero di nodi nascosti, ecc. Si chiama autotuning. JMP non offre l'ottimizzazione automatica. Se guardi nella comunità JMP, dovresti essere in grado di trovare uno script JMP che può aiutarti nell'autotuning (mi sembra di ricordare che qualcuno ne abbia scritto uno). Lo script è veramente un metodo di forza bruta, il che significa che proverà tutte le varie impostazioni specificate. Pertanto, può richiedere del tempo. Quindi, in base ai risultati, scegli la combinazione migliore.
Oggetto: algoritmi di estrazione di regole per verificare la Rete Neurale Artificiale (ANN)ciao Dan,
sono lieto di salutarvi, JMP mi sembra un ottimo software e ogni giorno mi sorprende scoprire le opzioni di soluzione che offre..... alcune domande:
1. La risposta del punto 1 è interessante (ripercorri la variabile target... ci sono diversi modi per farlo), potresti dettagliare con degli esempi.
2. Ho notato che l'impulso trova la quantità ottimale, ci sarà un'opzione nella piattaforma della rete neurale che ottimizzi i parametri o gli iperparametri di 1 modello? ... ovvero, tasso di apprendimento, numero ottimale di neuroni, strati numerici ottimali ... ecc
Saluti,
Marco
Oggetto: algoritmi di estrazione di regole per verificare la Rete Neurale Artificiale (ANN)Grazie, @Dan_Obermiller , per aver risposto alle domande di Marco. Vorrei anche aggiungere il Libro bianco di Chris Gotwalt , che gestisce il gruppo di sviluppatori statistici di JMP.
Oggetto: algoritmi di estrazione di regole per verificare la Rete Neurale Artificiale (ANN)Questo probabilmente dovrebbe essere un nuovo thread in quanto non si riferisce direttamente alle domande originali. Nemmeno io sono Mark, ma penso di poter rispondere alle tue domande.
1. Per prevedere un evento futuro, dovresti introdurre un elemento temporale nella tua rete neurale. Ci sono diversi modi per farlo. Un modo è ritardare la variabile target di un periodo di tempo. Quindi, se il tuo intervallo di tempo è di giorni, puoi utilizzare gli input di ieri per prevedere l'obiettivo di oggi. Hai ragione che JMP non offre reti neurali ricorrenti.
2. JMP non utilizza algoritmi genetici o programmazione genetica nell'ottimizzazione dei pesi.
3. No, JMP non utilizza algoritmi genetici o programmazione genetica per ottimizzare il numero di neuroni o il numero di strati nascosti. JMP infatti non ottimizza il numero di neuroni o la scelta di uno o due livelli nascosti. JMP offre una ricerca esaustiva per tutte le varie impostazioni che desideri provare. Puoi quindi scegliere il vincitore.
Per queste funzionalità di rete neurale più avanzate, potresti prendere in considerazione SAS poiché queste tecniche sono disponibili in SAS e in Viya.
Infine, tieni presente che ci sono stati molti studi sul tentativo di prevedere i prezzi delle azioni. Gli studi hanno dimostrato che i prezzi delle azioni a breve termine sono modellati al meglio come una "passeggiata casuale", il che significa che non esiste uno schema riconoscibile. In altre parole, non incolpare la tecnica di modellazione per non lavorare su un insieme di dati che non possono essere modellati bene. Buona fortuna!
Oggetto: algoritmi di estrazione di regole per verificare la Rete Neurale Artificiale (ANN)Ciao Marco,
Sono lieto di salutarvi, sono nuovo in JMP, ho alcune domande:
1. Come si possono fare previsioni sui futuri prezzi delle azioni con le reti neurali di JMP?
Apparentemente JMP non ha le reti neurali ricorrenti con memoria RNN.
2. JMP nell'addestramento del modello ottimizza i pesi delle reti con algoritmi genetici o programmazione genetica?
3. JMP ottimizza il numero di neuroni e il numero di livelli nascosti con algoritmi genetici o programmazione genetica?
Ho provato JMP ARIMA a prevedere il futuro prezzo delle azioni con scarsi risultati.
Saluti,
Marco
Oggetto: algoritmi di estrazione di regole per verificare la Rete Neurale Artificiale (ANN)Questa citazione è tratta dalla parte di aiuto relativa al comando del profiler di previsione per produrre una tabella casuale:
" Richiede un numero di esecuzioni e crea una tabella di output con quel numero di righe, con impostazioni di fattori casuali e valori previsti su tali impostazioni. Questo è equivalente a (ma molto più semplice di) aprendo il simulatore, reimpostando tutti i fattori su una distribuzione casuale uniforme , quindi simulando l'output. Questo comando è simile a Output Grid Table, tranne per il fatto che risulta in una tabella casuale piuttosto che in sequenza.
Il motivo principale per creare tabelle di fattori casuali uniformi è esplorare lo spazio dei fattori in modo multivariato utilizzando query grafiche. Questa tecnica è chiamata Montecarlo filtrato .
Supponiamo che tu voglia per visualizzare il luogo di tutte le impostazioni dei fattori che producono un determinato intervallo rispetto alle impostazioni di risposta desiderabili . Selezionando e nascondendo i punti che non si qualificano (usando il pennello grafico o il filtro dati), vedi le possibilità di ciò che è rimasto: lo spazio delle opportunità che produce il risultato che desideri.
Alcune righe potrebbero apparire selezionate e contrassegnate da un punto rosso. Questi rappresentano i punti sulla desiderabilità multivariata Frontiera di Pareto - i punti che non sono dominati da altri punti rispetto alla desiderabilità di tutti i fattori. "
Quindi è un modo semplice per ottenere a uniforme simulazione casuale dei predittori e predizione del modello della risposta. Ha lo stesso scopo del comando Output Grid Table.
La funzione Simulatore offre un maggiore controllo sulla natura della variazione dei predittori e un'ulteriore variazione casuale della risposta. Serve principalmente per valutare la capacità del processo, ma ovviamente ha anche altre applicazioni.
Oggetto: algoritmi di estrazione di regole per verificare la Rete Neurale Artificiale (ANN)CIAO,
Grazie mille per avermi risposto!
Ho letto la documentazione di JMP, sezione Opzioni del profiler di previsione. E ho scoperto che "Output random table" è la tecnica Montecarlo filtrata, mentre "Simulation" è solo una simulazione Montecarlo che utilizza il rumore casuale.
Non conosco la differenza tra le due tecniche e quale sia il metodo migliore, devo studiare meglio queste due differenze. Se hai qualche consiglio, è ben apprezzato. Tuttavia, ho verificato che la simulazione Montecarlo richiede più tempo della tecnica Montecarlo filtrata.
Devo farlo nel profilo della rete neurale. Pertanto ho pensato che potesse trattarsi di una simulazione ibrida ANN-Montecarlo.
Per aiutare a capire:
Per una tabella casuale,
1. Ho selezionato l'opzione neurale
2. Ho cliccato sul triangolo rosso nel modello
3. Ho fatto clic sull'opzione Profilo di previsione
4. Ho fatto clic sul triangolo rosso nel profilo di previsione.
5. Ho selezionato Output random tables.
Per la simulazione ho eseguito la stessa procedura, ma invece di cliccare su "Emetti tabelle casuali", ho selezionato l'opzione "simulatore". Ho fatto clic sul triangolo rosso e ho selezionato "Esperimento di simulazione".
Ho regolato il rumore nelle celle interattive e selezionato la variabile casuale.
Oggetto: algoritmi di estrazione di regole per verificare la Rete Neurale Artificiale (ANN)
@AngeloF88 ha scritto:
È molto facile eseguire questa simulazione in JMP. Se sai, qual è la differenza in JMP, tra tabelle casuali e simulazione dal profilo?, i bulloni sono due tipi di simulazione Montecarlo?
Per favore chiarisci le tabelle ("tabelle casuali" e "simulazione dal profilo") a cui ti riferisci prima che io possa rispondere alla tua domanda.
Oggetto: algoritmi di estrazione di regole per verificare la Rete Neurale Artificiale (ANN)Grazie mille! Ho letto il giornale ed è interessante. Ho letto anche alcune pubblicazioni (sempre su rivista ad alto impact factor) riguardanti l'utilizzo delle RNA in campo fisiologico vegetale. Credo che siano un forte strumento predittivo, ma il problema della scatola nera è difficile da spiegare ai ricercatori che non lavorano tutto il giorno con la matematica. Tuttavia, JMP aiuta a utilizzare la rete neurale artificiale e a comprendere il risultato. Dopo il tuo suggerimento riguardo al profilo e alla stima, ho una visione più chiara della rete neurale artificiale. Ho letto gli ottimi libri disponibili direttamente da JMP. Ho trovato anche in ANN e altre analisi statistiche la simulazione Montecarlo dal profilo. Tombola!! A volte, questa è una simulazione importante per la paleoclimatologia e in generale per le persone che lavorano con la previsione in ecologia. È molto facile eseguire questa simulazione in JMP. Se sai, qual è la differenza in JMP, tra tabelle casuali e simulazione dal profilo?, i bulloni sono due tipi di simulazione Montecarlo?
Oggetto: algoritmi di estrazione di regole per verificare la Rete Neurale Artificiale (ANN)Ho ricevuto ulteriori informazioni da JMP Development sulla tua richiesta. Dicono che è difficile verificare le reti neurali (NN) da qualsiasi prodotto software. NN non è come la regressione lineare in cui i coefficienti e le previsioni saranno gli stessi indipendentemente dal prodotto utilizzato.Ogni prodotto sarà molto diverso. Il meglio che puoi fare è utilizzare la convalida incrociata per valutare le prestazioni predittive dei modelli di data mining. Se c'è una forte necessità di verificare i modelli che vengono utilizzati, rimani con i minimi quadrati e la regressione logistica.
Ho incluso un white paper di JMP che affronta tutto ciò che possiamo dire su NN in JMP.
Oggetto: algoritmi di estrazione di regole per verificare la Rete Neurale Artificiale (ANN)Potresti cercare tali riferimenti. Non ne ho a portata di mano.
I fornitori di software commerciali generalmente non pubblicano i loro metodi numerici o il loro codice perché si tratta di proprietà intellettuale proprietaria. JMP offre questa pagina come risorsa agli utenti per aiutarli a stabilire il qualità di JMP .
Oggetto: algoritmi di estrazione di regole per verificare la Rete Neurale Artificiale (ANN)Grazie mille Markbayley,
Troppo facile per essere trovato rapidamente ... 
Soddisfatto del software JMP e del suo supporto.
Sai se ci sono pubblicazioni o documenti di conferenze che descrivono le stime di ANN in JMP? Perché per pubblicare i dati, devo supportare la mia analisi e la mia pubblicazione con i riferimenti corretti basati su JMP.
Saluti,
Angelo
Oggetto: algoritmi di estrazione di regole per verificare la Rete Neurale Artificiale (ANN)Dopo aver eseguito un modello, puoi fare clic sul triangolo rosso nella parte superiore del contorno di quel modello. Hai delle scelte per visualizzare la rete diagramma e puoi anche mostrare il stime . La struttura di ciascun nodo dipende dalla scelta della funzione di attivazione.
Cos'altro ti serve?
