인공신경망(ANN) 검증을 위한 규칙 추출 알고리즘안녕하세요,
최근에는 인공 신경망에도 JMP Pro를 사용하기 시작했습니다.
JMP로 신경망 아키텍처를 어떻게 검증할 수 있는지 알고 싶습니다.
예를 들어, 수학적 표현, 기호 논리, 퍼지 논리 또는 의사 결정 트리를 사용하여...
나는 이 시스템이 "블랙 박스"를 해결할 수 있다는 것을 읽었습니다.
매우 감사합니다,
안젤로
Re: 인공 신경망(ANN) 검증을 위한 규칙 추출 알고리즘안녕 댄,
나는 당신의 200 컬럼 솔루션을 시도했고 내가 뭔가 잘못하고 있다고 생각합니다. 내가 뭘 잘못하고 있는지 알 수 있는 공식이 있는 표를 첨부했습니다. 감사합니다!
건배,
마르코
Re: 인공 신경망(ANN) 검증을 위한 규칙 추출 알고리즘안녕 댄,
훌륭한 설명!!! 감사합니다. 주식 가격(첨부된 표 1 기준 및 표 2 목표)과 관련하여 귀하의 솔루션을 시도할 것입니다. 시가, 고가, 저가 및 종가가 있는 74,547행의 4열이 있습니다.... JMP에서 수식으로 어떻게 변환할 수 있습니까? 수식에 의해 생성된 레이블 및 데이터가 있는 최대 가능한 행 수를 포함하는 400개 이상의 새 열...예:
open100, high100, low100, close100, open99, high99, low99, close99, open98, high98, low98, close98 ....
인사말,
마르코
Re: 인공 신경망(ANN) 검증을 위한 규칙 추출 알고리즘파이썬에 대해 말할 수 없습니다. 그러나 JMP 내에서 Python 스크립트를 실행하고 결과를 다시 가져올 수 있습니다. 그러나 예측 공식이 Python으로 생성되었기 때문에 JMP가 이를 C 코드로 변환할 것이라고는 생각하지 않습니다. JMP는 고유한 공식을 다양한 형식으로만 변환할 수 있습니다.
200개의 주가 열에 대해 가장 쉬운 방법은 스크립트를 사용하는 것입니다. 그러나 상호 작용 접근 방식은 다음을 수행하는 것입니다.
1) 200개의 열을 서로 바로 옆에서 변환하도록 합니다.
2) Cols > New Columns를 사용하여 200개의 새 열을 만듭니다.
3) 모두 비어 있는 200개의 새 열을 선택합니다.
4) 열 > 속성 표준화를 선택합니다.
5) 속성 표준화 섹션에서 열 속성 > 수식을 클릭합니다.
6) 열 참조 대체 확인란을 선택하고 수식 편집을 클릭합니다.
7) 200개의 주가 열 중 첫 번째 열에 대한 공식을 작성합니다. 수식(지정한 내용에 따름)은 다음과 같습니다.
8) 확인을 클릭하여 수식 편집기를 닫습니다.
9) 확인을 다시 클릭하여 열 속성 표준화 대화 상자를 닫습니다.
이 수식은 적절한 열 참조가 적용된 200개 열 모두에 적용되어야 합니다.
Re: 인공 신경망(ANN) 검증을 위한 규칙 추출 알고리즘안녕 댄,
훌륭한 답변!, 몇 가지 질문:
1. Python에 순환 신경망이 있는 것 같습니다. JMP 플랫폼에서 학습하고 C 코드를 생성할 수 있습니까?
2. 200개의 주가 열이 있는 테이블이 있습니다.
JMP는 어떻게 200개의 새 열에 숫자 1이 낮은 가격, 숫자 -1이 가장 높은 가격(고점), 나머지 가격이 0인지 표시할 수 있었을까요?
인사말,
마르코
Re: 인공 신경망(ANN) 검증을 위한 규칙 추출 알고리즘포인트 1의 문제점은 신경망 알고리즘에 시간 축 개념이 없다는 것입니다. 이것이 순환 신경망이 시퀀싱 구성 요소를 포함하기 때문에 순환 신경망이 시계열 데이터에 자주 사용되는 이유입니다. JMP는 이를 제공하지 않으므로 데이터에 시간 또는 시퀀스 요소를 생성해야 합니다. 이것은 큰 주제이기 때문에 이 포럼에서 완전한 지침을 제공할 수 없습니다. 이해해야 할 것 중 하나는 예측 범위입니다. 즉, 사용할 시간 단위는 무엇이며 미래에 얼마나 멀리 예측하려고 하는지를 의미합니다. 나의 첫 번째 제안은 하루 앞선 예측이라는 매우 간단한 접근 방식이었습니다. 이 접근 방식은 이전 목표 값을 활용하지 않고 입력 값만 활용합니다. 그러나 전날의 목표도 입력으로 사용할 수 있습니다. 그런 다음 사용하려는 과거 데이터의 양과 예측 범위의 길이에 따라 다른 시차를 시도할 수 있습니다. 신경망에 시간 요소를 추가하는 좀 더 창의적인 기술이 있을 수 있습니다. 일부 연구는 다른 옵션을 제공할 것입니다. 예측 업데이트 계획의 빈도, 예측이 필요한 빈도 등에 따라 다양한 접근 방식이 필요하다는 점을 명심하십시오.
포인트 2에 관해서는 "임펄스가 최적의 양을 찾는다"는 것이 무슨 뜻인지 모르겠습니다. 최적의 학습률, 숨겨진 레이어 수, 숨겨진 노드 수 등을 찾는 아이디어를 자동 튜닝이라고 합니다. JMP는 자동 튜닝을 제공하지 않습니다. JMP 커뮤니티를 살펴보면 자동 조정을 지원할 수 있는 JMP 스크립트를 찾을 수 있을 것입니다(누군가 작성한 것으로 기억하는 것 같습니다). 스크립트는 진정으로 무차별 대입 방법입니다. 즉, 지정한 다양한 설정을 모두 시도합니다. 따라서 시간이 꽤 걸릴 수 있습니다. 그런 다음 결과에 따라 최상의 조합을 선택합니다.
Re: 인공 신경망(ANN) 검증을 위한 규칙 추출 알고리즘안녕 댄,
인사드리게 되어 기쁩니다. JMP는 제게는 훌륭한 소프트웨어인 것 같습니다. 그리고 JMP가 제공하는 솔루션 옵션을 발견하는 것은 매일 저를 놀라게 합니다. ..... 몇 가지 질문:
1. 포인트 1의 대답은 흥미롭습니다(목표 변수를 되돌리십시오... 이를 수행하는 방법은 여러 가지가 있습니다). 예를 들어 자세히 설명할 수 있습니다.
2. Impulse가 최적의 수량을 찾는다는 것을 알아차렸습니다. 신경망 플랫폼에서 1개 모델의 매개변수 또는 하이퍼 매개변수를 최적화하는 옵션이 있습니까? ... 즉, 학습 속도, 최적의 뉴런 수, 최적의 수 계층 ... 등
인사말,
마르코
Re: 인공 신경망(ANN) 검증을 위한 규칙 추출 알고리즘감사합니다, @Dan_Obermiller , Marco의 질문에 답변해 주셔서 감사합니다. 나는 또한 추가하고 싶습니다 Chris Gotwalt의 백서 , JMP 통계 개발자 그룹을 관리합니다.
Re: 인공 신경망(ANN) 검증을 위한 규칙 추출 알고리즘이것은 원래 질문과 직접적으로 관련이 없기 때문에 아마도 새로운 스레드여야 합니다. 나도 Mark는 아니지만 귀하의 질문에 답할 수 있을 것 같습니다.
1. 미래 사건을 예측하려면 신경망에 시간 요소를 도입해야 합니다. 여러 가지 방법이 있습니다. 한 가지 방법은 대상 변수를 한 기간 지연시키는 것입니다. 따라서 시간 간격이 일이면 어제의 입력을 사용하여 오늘의 목표를 예측할 수 있습니다. JMP가 순환 신경망을 제공하지 않는다는 것은 맞습니다.
2. JMP는 가중치 최적화에 유전 알고리즘이나 유전 프로그래밍을 사용하지 않습니다.
3. 아니요, JMP는 뉴런 수 또는 은닉층 수를 최적화하는 데 유전 알고리즘이나 유전 프로그래밍을 사용하지 않습니다. 실제로 JMP는 뉴런 수나 하나 또는 두 개의 은닉층 선택을 최적화하지 않습니다. JMP는 시도하려는 모든 다양한 설정에 대한 철저한 검색을 제공합니다. 그런 다음 우승자를 선택할 수 있습니다.
이러한 고급 신경망 기능의 경우 SAS와 Viya에서 이러한 기술을 사용할 수 있으므로 SAS를 고려할 수 있습니다.
마지막으로, 주가를 예측하려는 시도에 대한 많은 연구가 있었음을 명심하십시오. 연구에 따르면 단기 주가는 식별 가능한 패턴이 없음을 의미하는 "랜덤 워크"로 가장 잘 모델링됩니다. 즉, 잘 모델링할 수 없는 데이터 세트에서 작동하지 않는다고 모델링 기술을 비난하지 마십시오. 행운을 빌어요!
Re: 인공 신경망(ANN) 검증을 위한 규칙 추출 알고리즘안녕 마크,
인사드리게 되어 기쁩니다. JMP를 처음 사용하는 사람입니다. 몇 가지 질문이 있습니다.
1. JMP 신경망으로 어떻게 미래 주가를 예측할 수 있습니까?
분명히 JMP에는 RNN 메모리가 있는 순환 신경망이 없습니다.
2. 모델 훈련에서 JMP는 유전 알고리즘 또는 유전 프로그래밍으로 네트워크의 가중치를 최적화합니까?
삼. JMP는 유전 알고리즘 또는 유전 프로그래밍을 통해 뉴런 수와 은닉층 수를 최적화합니다.
JMP ARIMA를 사용하여 좋지 않은 결과로 미래 주가를 예측했습니다.
인사말,
마르코
Re: 인공 신경망(ANN) 검증을 위한 규칙 추출 알고리즘이 인용문은 랜덤 테이블을 출력하는 예측 프로파일러 명령에 대한 도움말 부분에서 가져온 것입니다.
" 다수의 실행에 대한 메시지를 표시하고 랜덤 요인 설정 및 해당 설정에 대한 예측 값과 함께 많은 행이 포함된 출력 테이블을 생성합니다. 이것은 에 해당 (그러나 훨씬 더 간단합니다) 시뮬레이터를 열고 모든 요인을 무작위 균일 분포로 재설정 , 그런 다음 출력을 시뮬레이션합니다. 이 명령은 시퀀스 테이블이 아닌 무작위 테이블을 생성한다는 점을 제외하면 출력 그리드 테이블과 유사합니다.
균일한 임의 요인 테이블을 만드는 주된 이유는 그래픽 쿼리를 사용하여 다변량 방식으로 요인 공간을 탐색하는 것입니다. 이 기술은 필터링된 몬테카를로 .
당신이 원하는 가정 바람직한 반응 설정에 대한 주어진 범위를 생성하는 모든 요인 설정의 위치를 확인하기 위해 . 적합하지 않은 포인트를 선택하고 숨기면(그래픽 브러싱 또는 데이터 필터 사용) 남아 있는 가능성, 즉 원하는 결과를 산출하는 기회 공간을 볼 수 있습니다.
일부 행은 선택되어 빨간색 점으로 표시될 수 있습니다. 이는 모든 요인의 바람직함과 관련하여 다른 점에 의해 지배되지 않는 점인 다변량 바람직함 Pareto Frontier의 점을 나타냅니다. "
그래서 간단하게 취득하는 방법은 제복 예측 변수의 무작위 시뮬레이션 및 응답의 모델 예측. Output Grid Table 명령과 목적이 같습니다.
시뮬레이터 기능을 사용하면 예측 변수 변동의 특성과 응답의 추가 임의 변동을 훨씬 더 많이 제어할 수 있습니다. 주로 공정 능력을 평가하기 위한 것이지만 분명히 다른 응용 프로그램도 있습니다.
Re: 인공 신경망(ANN) 검증을 위한 규칙 추출 알고리즘안녕,
답장을 보내 주셔서 감사합니다!
JMP 설명서, 예측 프로파일러 옵션 섹션을 읽었습니다. 그리고 "Output random table"은 필터링된 Montecarlo 기법인 반면, "Simulation"은 랜덤 노이즈를 사용하는 Montecarlo 시뮬레이션일 뿐임을 발견했습니다.
두 기술의 차이를 모르고 어떤 방법이 더 좋은지 모르겠으니 이 두 가지 차이를 더 잘 연구해봐야겠습니다. 조언이 있으시면 감사히 받겠습니다. 그러나 몬테카를로 시뮬레이션이 필터링된 몬테카를로 기법보다 시간이 더 걸리는 것을 확인했습니다.
신경망의 프로필에서 이 작업을 수행해야 합니다. 따라서 Hybrid ANN-Montecarlo 시뮬레이션이 될 수 있다고 생각했습니다.
이해를 돕기 위해:
랜덤 테이블의 경우,
1. 신경망 옵션을 선택했습니다.
2. 모델에서 빨간색 삼각형을 클릭했습니다.
3. 예측 프로필 옵션을 클릭했습니다.
4. 예측 프로필에서 빨간색 삼각형을 클릭했습니다.
5. 임의 테이블 출력을 선택했습니다.
시뮬레이션을 위해 동일한 절차를 수행했지만 "랜덤 테이블 출력"을 클릭하는 대신 "시뮬레이터" 옵션을 선택했습니다. 빨간색 삼각형을 클릭하고 "시뮬레이션 실험"을 선택했습니다.
대화형 셀의 노이즈를 조정하고 랜덤 변수를 선택했습니다.
Re: 인공 신경망(ANN) 검증을 위한 규칙 추출 알고리즘
@AngeloF88 쓴 :
JMP에서 이 시뮬레이션을 수행하는 것은 매우 쉽습니다. JMP에서 임의 테이블과 프로필의 시뮬레이션 사이의 차이점은 무엇입니까? Bolt Two 유형의 Montecarlo 시뮬레이션입니까?
귀하의 질문에 답하기 전에 귀하가 참조하는 테이블("랜덤 테이블" 및 "시뮬레이션 프로필")을 명확히 하십시오.
Re: 인공 신경망(ANN) 검증을 위한 규칙 추출 알고리즘매우 감사합니다! 나는 신문을 읽었고 그것은 흥미로웠다. 나는 또한 식물 생리학 분야에서 ANN의 사용에 관한 일부 간행물(영향력 지수가 높은 저널)도 읽었습니다. 나는 그것들이 강력한 예측 도구라고 믿지만 블랙박스의 문제는 하루종일 수학적 일을 하지 않는 연구원들에게 해명하기 어렵다. 그러나 JMP는 인공 신경망을 사용하고 결과를 이해하는 데 도움이 됩니다. 프로필 및 추정에 관한 귀하의 제안 이후 인공 신경망에 대한 비전이 더 명확해졌습니다. JMP에서 직접 구할 수 있는 훌륭한 책을 읽었습니다. 또한 ANN 및 기타 통계 분석에서 프로필의 Montecarlo 시뮬레이션을 찾았습니다. 빙고!! 때때로 이것은 고기후학 및 일반적으로 생태학에서 예측 작업을 하는 사람들에게 중요한 시뮬레이션입니다. JMP에서 이 시뮬레이션을 수행하는 것은 매우 쉽습니다. JMP에서 임의 테이블과 프로필의 시뮬레이션 사이의 차이점은 무엇입니까? Bolt Two 유형의 Montecarlo 시뮬레이션입니까?
Re: 인공 신경망(ANN) 검증을 위한 규칙 추출 알고리즘문의하신 내용에 대해 JMP Development로부터 추가 정보를 받았습니다. 어떠한 소프트웨어 제품에서도 신경망(NN) 검증이 어렵다고 합니다. NN은 사용하는 제품에 관계없이 계수와 예측이 동일한 선형 회귀와 다릅니다.모든 제품은 매우 다를 것입니다. 최선의 방법은 교차 검증을 사용하여 데이터 마이닝 모델의 예측 성능을 평가하는 것입니다. 사용되는 모델을 검증해야 할 필요성이 큰 경우 최소 제곱 및 로지스틱 회귀를 사용하십시오.
JMP의 NN에 대해 말할 수 있는 최대한의 내용을 다루는 JMP 백서를 포함했습니다.
Re: 인공 신경망(ANN) 검증을 위한 규칙 추출 알고리즘이러한 참조를 검색할 수 있습니다. 나는 손에 하나도 없다.
상용 소프트웨어 공급업체는 일반적으로 수치 방법이나 코드를 공개하지 않습니다. 이는 독점 지적 재산이기 때문입니다. JMP는 이 페이지를 사용자에게 리소스로 제공하여 사용자가 JMP의 품질 .
Re: 인공 신경망(ANN) 검증을 위한 규칙 추출 알고리즘Markbailey님, 정말 감사합니다.
빨리 찾기에 너무 쉽네요... 
JMP 소프트웨어 및 지원에 만족합니다.
JMP의 ANN 추정치를 설명하는 간행물이나 회의 논문이 있는지 알고 계십니까? 데이터를 게시하려면 JMP를 기반으로 하는 올바른 참조로 내 분석과 게시를 지원해야 하기 때문입니다.
문안 인사,
안젤로
Re: 인공 신경망(ANN) 검증을 위한 규칙 추출 알고리즘모델을 실행한 후 해당 모델의 개요 상단에 있는 빨간색 삼각형을 클릭할 수 있습니다. 네트워크를 볼 수 있는 선택권이 있습니다. 도표 그리고 당신은 또한 보여줄 수 있습니다 견적 . 각 노드의 구조는 선택한 활성화 기능에 따라 다릅니다.
그 밖의 무엇이 필요합니까?
