用于验证人工神经网络 (ANN) 的规则提取算法你好，
我最近也开始将 JMP Pro 用于人工神经网络。
我想知道如何使用 JMP 验证神经网络架构？
例如，使用数学表达式、符号逻辑、模糊逻辑或决策树......
我读到这个系统可以解决“黑匣子”问题。
太感谢了，
安吉洛
回复：用于验证人工神经网络（ANN）的规则提取算法你好丹，
我尝试了你的 200 列解决方案，我认为我做错了什么，我附上了带有公式的表格，以了解我做错了什么，谢谢！
干杯，
马可
回复：用于验证人工神经网络（ANN）的规则提取算法你好丹，
很好的解释！谢谢，我将尝试你的解决方案，与股票价格相关（附表1基础和表2目标），我有4列，共74,547行，其中包含开盘价、最高价、最低价和收盘价......如何使用 JMP 中的公式进行转换......400 个或更多新列，这些列具有最大可能行数，其中包含由公式创建的标签和数据......例如：
开盘 100、最高 100、最低 100、收盘 100、开盘 99、最高 99、最低 99、收盘 99、开盘 98、最高 98、最低 98、收盘 98 ....
问候，
马可
回复：用于验证人工神经网络（ANN）的规则提取算法我不能谈论Python。 但是，您可以从 JMP 中运行 Python 脚本并返回结果。 但是，由于预测公式是用Python创建的，我不相信JMP会将其转换为C代码。JMP只能将自己的本机公式转换为各种格式。
对于 200 列股票价格，最简单的方法是使用脚本。 然而，交互方法是执行以下操作：
1) 让要转换的 200 列彼此相邻。
2) 使用列 > 新列创建 200 个新列。
3）选择200个新列，这些列都是空的。
4) 选择列 > 标准化属性。
5) 在标准化属性部分中，单击列属性 > 公式。
6) 选中“替换列引用”框，然后单击“编辑公式”。
7) 为 200 个股票价格列中的第一个建立公式。 公式（根据您指定的内容）如下所示：
8）单击“确定”关闭公式编辑器。
9) 再次单击“确定”关闭“标准化列属性”对话框。
该公式应应用于所有 200 列，并应用适当的列引用。
回复：用于验证人工神经网络（ANN）的规则提取算法你好丹，
很好的答案！，一些问题：
1. 我觉得Python有循环神经网络，可以在JMP平台上训练它们并生成C代码吗？
2. 我有一个包含 200 列股票价格的表格，
JMP 如何在 200 个新列中用数字 1 表示最低价格，用数字 -1 表示最高价格（峰值），用 0 表示其余价格？
问候，
马可
回复：用于验证人工神经网络（ANN）的规则提取算法第1点的问题在于神经网络的算法没有时间轴的概念。 这就是为什么循环神经网络经常用于时间序列数据，因为循环神经网络确实包含排序组件。 由于 JMP 不提供此功能，因此您需要在数据中创建时间或序列元素。 我无法在这个论坛上提供完整的指导，因为这是一个很大的主题。 您需要了解的一件事是您的预测范围。 这意味着，您将使用什么时间单位，以及您试图预测未来多久。 我的第一个建议是一个非常简单的方法，提前一天预测。 该方法不会利用任何先前的目标值，仅利用输入值。 但是，您也可以使用前一天的目标作为输入。 然后，您可以尝试不同的时间滞后，具体取决于您想要使用多少过去的数据以及您的预测范围有多长。 可能还有其他一些更具创造性的技术可以向神经网络添加时间元素。 一些研究可能会为您提供一些其他选择。 请记住，需要采取不同的方法，具体取决于您计划更新预测的频率、需要预测的频率等。
至于第2点，我不知道你所说的“冲动找到最佳数量”是什么意思。 寻找最佳学习率、隐藏层数、隐藏节点数等的想法称为自动调整。 JMP 不提供自动调谐。 如果您查看 JMP 社区，您应该能够找到一个可以帮助自动调整的 JMP 脚本（我似乎记得有人写过一个）。 该脚本确实是一种强力方法，这意味着它将尝试您指定的所有各种设置。 因此，这可能需要相当长的时间。 然后根据结果，您选择最佳组合。
回复：用于验证人工神经网络（ANN）的规则提取算法你好丹，
我很高兴向您问好，JMP 在我看来是一款出色的软件，每天我都惊讶地发现它提供的解决方案选项......一些问题：
1.第1点的答案很有趣（回溯目标变量......有多种方法可以做到这一点），您可以通过示例进行详细说明。
2. 我注意到脉冲找到了最佳数量，神经网络平台中是否有一个选项可以优化 1 个模型的参数或超参数？ ...即学习率、最佳神经元数量、最佳层数...等
问候，
马可
回复：用于验证人工神经网络（ANN）的规则提取算法谢谢你， @丹_奥伯米勒，回答Marco的问题。 我还想添加克里斯·戈特瓦尔特 (Chris Gotwalt) 撰写的白皮书，他管理 JMP 统计开发人员小组。
回复：用于验证人工神经网络（ANN）的规则提取算法这可能应该是一个新线程，因为它与原始问题没有直接关系。 我也不是马克，但我想我可以回答你的问题。
1. 为了预测未来事件，您需要向神经网络引入时间元素。 有多种方法可以做到这一点。 一种方法是将目标变量滞后一个时间段。 因此，如果您的时间间隔是天，您可以使用昨天的输入来预测今天的目标。 您是对的，JMP 不提供循环神经网络。
2. JMP 不使用遗传算法或遗传编程来优化权重。
3. 不，JMP 不使用遗传算法或遗传编程来优化神经元数量或隐藏层数量。 事实上，JMP 并没有优化神经元的数量或一两个隐藏层的选择。 JMP 为您想要尝试的所有各种设置提供详尽的搜索。 然后您可以选择获胜者。
对于这些更高级的神经网络功能，您可能需要考虑 SAS，因为这些技术在 SAS 和 Viya 中都可用。
最后，请记住，已经有很多研究试图预测股票价格。 研究表明，短期股价最好建模为“随机游走”，这意味着没有明显的模式。 换句话说，不要责怪建模技术无法处理无法很好建模的数据集。 祝你好运！
回复：用于验证人工神经网络（ANN）的规则提取算法你好马克，
我很高兴向您问好，我是 JMP 的新手，我有一些问题：
1. 如何使用 JMP 神经网络预测未来股票价格？
显然，JMP 没有带有 RNN 内存的循环神经网络。
2. JMP在模型训练中是用遗传算法还是遗传编程来优化网络权重？
3. JMP用遗传算法或遗传编程优化神经元数量和隐藏层数量？
我尝试过 JMP ARIMA 来预测未来的股价，但结果不佳。
问候，
马可
回复：用于验证人工神经网络（ANN）的规则提取算法此引用来自有关输出随机表的预测分析器命令的帮助部分：
”提示输入多次运行并创建一个包含那么多行的输出表，其中包含随机因子设置和这些设置的预测值。 这是相当于（但比）简单得多打开模拟器，将所有因素重置为随机均匀分布，然后模拟输出。 此命令类似于输出网格表，不同之处在于它会生成随机表而不是有序表。
制作统一随机因子表的主要原因是使用图形查询以多元方式探索因子空间。 这种技术称为过滤蒙特卡罗。
假设你想要查看产生给定范围所需响应设置的所有因子设置的轨迹。 通过选择并隐藏不合格的点（使用图形刷或数据过滤器），您可以看到剩下的可能性：产生您想要的结果的机会空间。
某些行可能会显示为已选中并标有红点。 这些代表多元意愿帕累托前沿上的点 - 就所有因素的意愿而言，这些点不受其他点支配。 ”
所以这是一个简单的方法来获得制服预测变量的随机模拟和响应的模型预测。 它与输出网格表命令具有相同的用途。
模拟器功能使您可以更好地控制预测变量变化的性质和响应的附加随机变化。 它主要用于评估过程能力，但显然还有其他应用。
回复：用于验证人工神经网络（ANN）的规则提取算法你好，
非常感谢您回复我！
我阅读了 JMP 文档的预测刻画器选项部分。 我发现“输出随机表”是经过过滤的蒙特卡洛技术，而“模拟”只是使用随机噪声的蒙特卡洛模拟。
我不知道这两种技术之间的区别以及什么方法更好，我必须更好地研究这两种区别。 如果您有任何建议，我们将不胜感激。 但是，我检查过蒙特卡罗模拟比过滤蒙特卡罗技术花费更多时间。
我必须在神经网络的配置文件中执行此操作。 因此我认为这可能是混合 ANN-Montecarlo 模拟。
帮助理解：
对于随机表，
1.我选择了神经选项
2.我点击了模型中的红色三角形
3.我单击了“预测配置文件”选项
4. 我单击了预测配置文件中的红色三角形。
5. 我选择输出随机表。
对于模拟，我执行了相同的过程，但我没有单击“输出随机表”，而是选择了“模拟器”选项。 我点击红色三角形并选择“模拟实验”。
我调整了交互式单元格中的噪声并选择了随机变量。
回复：用于验证人工神经网络（ANN）的规则提取算法
@AngeloF88写道：
在 JMP 中进行此模拟非常容易。 如果您知道，JMP 中随机表和轮廓模拟之间的区别是什么？螺栓是蒙特卡罗模拟的两种类型吗？
在我回答您的问题之前，请澄清您所指的表格（“随机表”和“配置文件模拟”）。
回复：用于验证人工神经网络（ANN）的规则提取算法太感谢了！ 我读了这篇论文，很有趣。 我还阅读了一些关于 ANN 在植物生理领域中的应用的出版物（也在高影响因子的期刊上）。 我相信它们是一种强大的预测工具，但黑匣子的问题对于那些不整天研究数学的研究人员来说很难解释清楚。 然而，JMP 有助于使用人工神经网络并理解结果。 在您对概要和估计提出建议后，我对人工神经网络有了更清晰的愿景。 我阅读了 JMP 直接提供的优秀书籍。 我还在 ANN 和其他统计分析中发现了来自剖面的蒙特卡洛模拟。 答对了！！ 有时，这对于古气候学和一般从事生态学预测的人们来说是一个重要的模拟。 在 JMP 中进行此模拟非常容易。 如果您知道，JMP 中随机表和轮廓模拟之间的区别是什么？螺栓是蒙特卡罗模拟的两种类型吗？
回复：用于验证人工神经网络（ANN）的规则提取算法我从 JMP Development 那里得到了关于您的询问的更多信息。 他们表示，很难从任何软件产品中验证神经网络（NN）。 神经网络不像线性回归，无论您使用什么产品，系数和预测都是相同的。每个产品都会有很大不同。 您能做的最好的事情就是使用交叉验证来评估数据挖掘模型的预测性能。 如果强烈需要验证所使用的模型，则继续使用最小二乘法和逻辑回归。
我提供了一份 JMP 白皮书，其中尽可能多地介绍了 JMP 中的神经网络。
回复：用于验证人工神经网络（ANN）的规则提取算法您可能会搜索此类参考资料。 我手头没有。
商业软件供应商通常不会发布他们的数值方法或代码，因为它是专有知识产权。 JMP 将此页面作为资源提供给用户，以帮助他们建立JMP 的质量。
回复：用于验证人工神经网络（ANN）的规则提取算法非常感谢马克贝利，
太容易了，无法快速找到...:)
对 JMP 软件及其支持感到满意。
您知道是否有一些出版物或会议论文描述了 JMP 中的 ANN 估计？ 因为为了发布数据，我必须使用基于 JMP 的正确参考文献来支持我的分析和发布。
问候，
安吉洛
回复：用于验证人工神经网络（ANN）的规则提取算法运行模型后，您可以单击该模型轮廓顶部的红色三角形。 您可以选择查看网络图表你还可以显示估计。 每个节点的结构取决于您对激活函数的选择。
你还需要什么？
