Regelextraktionsalgorithmen zur Verifizierung des künstlichen neuronalen Netzwerks (ANN)Hallo,
Seit Kurzem verwende ich JMP Pro auch für das künstliche neuronale Netzwerk.
Ich würde gerne wissen, wie ich die neuronalen Netzwerkarchitekturen mit JMP überprüfen kann?
Zum Beispiel unter Verwendung mathematischer Ausdrücke, symbolischer Logik, Fuzzy-Logik oder Entscheidungsbäumen ...
Ich habe gelesen, dass dieses System die „Black Box“ lösen könnte.
Vielen Dank,
Angelo
Betreff: Regelextraktionsalgorithmen zur Überprüfung des künstlichen neuronalen Netzwerks (ANN)Hallo Dan,
Ich habe Ihre 200-Spalten-Lösung ausprobiert und glaube, ich mache etwas falsch. Ich habe die Tabelle mit der Formel angehängt, um zu wissen, was ich falsch mache, danke!
Prost,
Marco
Betreff: Regelextraktionsalgorithmen zur Überprüfung des künstlichen neuronalen Netzwerks (ANN)Hallo Dan,
Hervorragende Erklärung!!! Danke, ich werde Ihre Lösung ausprobieren. In Bezug auf den Aktienpreis (beigefügte Basistabelle 1 und Zieltabelle 2) habe ich 4 Spalten mit 74.547 Zeilen mit Eröffnungs-, Höchst-, Tiefst- und Schlusskursen ... Wie kann ich mit einer Formel in JMP ...... 400 oder mehr neue Spalten mit der maximal möglichen Anzahl von Zeilen mit Beschriftungen und Daten konvertieren, die durch die Formel erstellt wurden ... zum Beispiel:
open100, high100, low100, close100, open99, high99, low99, close99, open98, high98, low98, close98 ....
Grüße,
Marco
Betreff: Regelextraktionsalgorithmen zur Überprüfung des künstlichen neuronalen Netzwerks (ANN)Ich kann nicht über Python sprechen. Sie können jedoch in JMP ein Python-Skript ausführen und die Ergebnisse zurückbringen. Da die Vorhersageformel jedoch in Python erstellt wurde, glaube ich nicht, dass JMP sie in C-Code konvertieren wird. JMP kann nur seine eigenen nativen Formeln in verschiedene Formate konvertieren.
Was die 200 Spalten mit Aktienkursen betrifft, wäre dies am einfachsten mit einem Skript möglich. Ein Interaktionsansatz besteht jedoch darin, Folgendes zu tun:
1) Platzieren Sie Ihre 200 zu konvertierenden Spalten direkt nebeneinander.
2) Erstellen Sie 200 neue Spalten, indem Sie „Cols > New Columns“ verwenden.
3) Wählen Sie die 200 neuen Spalten aus, die alle leer sind.
4) Wählen Sie „Spalten“ > „Attribute standardisieren“.
5) Klicken Sie im Abschnitt „Eigenschaften standardisieren“ auf „Spalteneigenschaften“ > „Formel“.
6) Aktivieren Sie das Kontrollkästchen „Spaltenreferenz ersetzen“ und klicken Sie auf „Formel bearbeiten“.
7) Erstellen Sie die Formel für die erste Ihrer 200 Aktienkursspalten. Die Formel würde (nach Ihren Angaben) so aussehen:
8) Klicken Sie auf OK, um den Formeleditor zu schließen.
9) Klicken Sie erneut auf OK, um das Dialogfeld „Spaltenattribute standardisieren“ zu schließen.
Diese Formel sollte auf alle 200 Spalten mit den entsprechenden Spaltenverweisen angewendet werden.
Betreff: Regelextraktionsalgorithmen zur Überprüfung des künstlichen neuronalen Netzwerks (ANN)Hallo Dan,
Ausgezeichnete Antwort!, einige Fragen:
1. Es scheint mir, dass Python über wiederkehrende neuronale Netze verfügt. Könnten diese auf der JMP-Plattform trainiert werden und C-Code generieren?
2. Ich habe eine Tabelle mit 200 Spalten mit Aktienkursen,
Wie könnte JMP in 200 neuen Spalten mit der Zahl 1 die niedrigsten Preise, mit der Zahl -1 die höchsten Preise (Spitzen) und mit 0 den Rest der Preise angeben?
Grüße,
Marco
Betreff: Regelextraktionsalgorithmen zur Überprüfung des künstlichen neuronalen Netzwerks (ANN)Das Problem bei Punkt 1 besteht darin, dass der Algorithmus für ein neuronales Netzwerk kein Konzept einer Zeitachse hat. Aus diesem Grund wird für Zeitreihendaten häufig ein rekurrentes neuronales Netzwerk verwendet, da ein rekurrentes neuronales Netzwerk eine Sequenzierungskomponente enthält. Da JMP dies nicht bietet, müssen Sie in den Daten ein Zeit- oder Sequenzelement erstellen. Ich kann in diesem Forum keine vollständige Anleitung geben, da es sich um ein umfangreiches Thema handelt. Eines der Dinge, die Sie verstehen müssen, ist Ihr Prognosehorizont. Das heißt, welche Zeiteinheiten werden Sie verwenden und wie weit in die Zukunft möchten Sie vorhersagen? Mein erster Vorschlag war ein sehr einfacher Ansatz, eine Vorhersage für einen Tag im Voraus. Bei diesem Ansatz werden keine vorherigen Zielwerte verwendet, sondern nur Werte der Eingaben. Sie können aber auch das Ziel des Vortages als Eingabe verwenden. Anschließend können Sie verschiedene Zeitverzögerungen ausprobieren, je nachdem, wie viele der Vergangenheitsdaten Sie verwenden möchten und wie lang Ihr Prognosehorizont ist. Es gibt wahrscheinlich noch andere, kreativere Techniken, um einem neuronalen Netzwerk ein Zeitelement hinzuzufügen. Bei einigen Recherchen werden sich wahrscheinlich andere Optionen für Sie ergeben. Bedenken Sie, dass unterschiedliche Ansätze erforderlich sind, je nachdem, wie oft Sie die Prognosen aktualisieren möchten, wie oft Sie eine Prognose benötigen usw.
Was Punkt 2 betrifft, weiß ich nicht, was Sie mit „Impuls findet die optimale Menge“ meinen. Die Idee, die optimalen Lernraten, die Anzahl der verborgenen Schichten, die Anzahl der verborgenen Knoten usw. zu finden, wird als Autotuning bezeichnet. JMP bietet kein Autotuning an. Wenn Sie in der JMP-Community nachsehen, sollten Sie in der Lage sein, ein JMP-Skript zu finden, das beim Autotuning helfen kann (ich glaube mich zu erinnern, dass jemand eines geschrieben hat). Bei dem Skript handelt es sich wirklich um eine Brute-Force-Methode, das heißt, es probiert alle von Ihnen angegebenen Einstellungen aus. Daher kann es einige Zeit dauern. Basierend auf den Ergebnissen wählen Sie dann die beste Kombination aus.
Betreff: Regelextraktionsalgorithmen zur Überprüfung des künstlichen neuronalen Netzwerks (ANN)Hallo Dan,
Ich freue mich, Sie begrüßen zu dürfen, JMP scheint mir eine hervorragende Software zu sein und es überrascht mich jeden Tag aufs Neue, welche Lösungsmöglichkeiten es bietet ..... einige Fragen:
1. Die Antwort zu Punkt 1 ist interessant (die Zielvariable zurückverfolgen ... es gibt mehrere Möglichkeiten, dies zu tun), Sie könnten sie anhand von Beispielen näher erläutern.
2. Mir ist aufgefallen, dass der Impuls die optimale Menge findet. Wird es in der neuronalen Netzwerkplattform eine Option geben, die die Parameter oder Hyperparameter eines Modells optimiert? ... das heißt, Lernrate, optimale Anzahl von Neuronen, optimale Anzahl von Schichten ... usw
Grüße,
Marco
Betreff: Regelextraktionsalgorithmen zur Überprüfung des künstlichen neuronalen Netzwerks (ANN)Danke schön, @Dan_Obermiller , für die Beantwortung von Marcos Fragen. Ich möchte auch das hinzufügen Whitepaper von Chris Gotwalt , der die statistische Entwicklergruppe von JMP leitet.
Betreff: Regelextraktionsalgorithmen zur Überprüfung des künstlichen neuronalen Netzwerks (ANN)Dies sollte wahrscheinlich ein neuer Thread sein, da er keinen direkten Bezug zu den ursprünglichen Fragen hat. Ich bin auch nicht Mark, aber ich denke, ich kann Ihre Fragen beantworten.
1. Um ein zukünftiges Ereignis vorherzusagen, müssten Sie ein Zeitelement in Ihr neuronales Netzwerk einführen. Dafür gibt es mehrere Möglichkeiten. Eine Möglichkeit besteht darin, die Zielvariable um einen Zeitraum zu verzögern. Wenn Ihr Zeitintervall also Tage beträgt, können Sie die Eingaben von gestern verwenden, um das heutige Ziel vorherzusagen. Sie haben Recht, dass JMP keine wiederkehrenden neuronalen Netze anbietet.
2. JMP verwendet bei der Optimierung der Gewichte keine genetischen Algorithmen oder genetische Programmierung.
3. Nein, JMP verwendet keine genetischen Algorithmen oder genetische Programmierung zur Optimierung der Anzahl von Neuronen oder der Anzahl verborgener Schichten. Tatsächlich optimiert JMP weder die Anzahl der Neuronen noch die Wahl einer oder zweier verborgener Schichten. JMP bietet eine umfassende Suche nach allen verschiedenen Einstellungen, die Sie ausprobieren möchten. Anschließend können Sie den Gewinner auswählen.
Für diese erweiterten neuronalen Netzwerkfunktionen sollten Sie SAS in Betracht ziehen, da diese Techniken sowohl in SAS als auch in Viya verfügbar sind.
Bitte bedenken Sie abschließend, dass es zahlreiche Studien gibt, die versuchen, Aktienkurse vorherzusagen. Studien haben gezeigt, dass sich kurzfristige Aktienkurse am besten als „Random Walk“ modellieren lassen, was bedeutet, dass es kein erkennbares Muster gibt. Mit anderen Worten: Geben Sie der Modellierungstechnik nicht die Schuld dafür, dass sie nicht mit einem Datensatz funktioniert, der nicht gut modelliert werden kann. Viel Glück!
Betreff: Regelextraktionsalgorithmen zur Überprüfung des künstlichen neuronalen Netzwerks (ANN)Hallo Mark,
Ich freue mich, Sie begrüßen zu dürfen, ich bin neu bei JMP und habe einige Fragen:
1. Wie können Sie mit neuronalen Netzen von JMP Vorhersagen über zukünftige Aktienkurse treffen?
Anscheinend verfügt JMP nicht über die rekurrenten neuronalen Netze mit RNN-Speicher.
2. Optimiert JMP beim Training des Modells die Gewichte der Netzwerke mit genetischen Algorithmen oder genetischer Programmierung?
3. JMP optimiert die Anzahl der Neuronen und die Anzahl der verborgenen Schichten mit genetischen Algorithmen oder genetischer Programmierung?
Ich habe JMP ARIMA ausprobiert, um zukünftige Aktienkurse vorherzusagen, mit schlechten Ergebnissen.
Grüße,
Marco
Betreff: Regelextraktionsalgorithmen zur Überprüfung des künstlichen neuronalen Netzwerks (ANN)Dieses Zitat stammt aus dem Hilfeteil zum Prediction Profiler-Befehl zur Ausgabe einer Zufallstabelle:
" Fordert eine Anzahl von Durchläufen an und erstellt eine Ausgabetabelle mit entsprechend vielen Zeilen, mit zufälligen Faktoreinstellungen und vorhergesagten Werten über diesen Einstellungen. Das ist gleichwertig (aber viel einfacher als) Öffnen des Simulators, Zurücksetzen aller Faktoren auf eine zufällige Gleichverteilung , dann Simulation der Ausgabe. Dieser Befehl ähnelt Output Grid Table, führt jedoch zu einer Zufallstabelle und nicht zu einer sequenzierten Tabelle.
Der Hauptgrund für die Erstellung einheitlicher Zufallsfaktortabellen besteht darin, den Faktorraum auf multivariate Weise mithilfe grafischer Abfragen zu untersuchen. Diese Technik heißt Gefiltertes Monte Carlo .
Angenommen, Sie möchten um den Ort aller Faktoreinstellungen zu sehen, die einen bestimmten Bereich zu den gewünschten Antworteinstellungen erzeugen . Durch Auswählen und Ausblenden der Punkte, die nicht in Frage kommen (mittels grafischer Bürstendarstellung oder des Datenfilters), sehen Sie die Möglichkeiten dessen, was noch übrig ist: der Gelegenheitsraum, der das gewünschte Ergebnis liefert.
Einige Zeilen werden möglicherweise ausgewählt und mit einem roten Punkt markiert. Diese stellen die Punkte auf der multivariaten Erwünschtheits-Pareto-Grenze dar – die Punkte, die im Hinblick auf die Erwünschtheit aller Faktoren nicht von anderen Punkten dominiert werden. "
Es ist also eine einfache Möglichkeit, eine zu erhalten Uniform Zufallssimulation der Prädiktoren und Modellvorhersage der Antwort. Er hat den gleichen Zweck wie der Befehl „Rastertabelle ausgeben“.
Die Simulatorfunktion gibt Ihnen viel mehr Kontrolle über die Art der Variation der Prädiktoren und zusätzliche zufällige Variationen der Antwort. Es dient in erster Linie der Beurteilung der Prozessfähigkeit, hat aber offensichtlich auch andere Anwendungsmöglichkeiten.
Betreff: Regelextraktionsalgorithmen zur Überprüfung des künstlichen neuronalen Netzwerks (ANN)Hallo,
Vielen Dank, dass Sie mir geantwortet haben!
Ich habe die JMP-Dokumentation im Abschnitt „Prediction Profiler Options“ gelesen. Und ich habe herausgefunden, dass „Ausgabe-Zufallstabelle“ die gefilterte Montecarlo-Technik ist, während die „Simulation“ nur eine Montecarlo-Simulation ist, die das Zufallsrauschen verwendet.
Ich kenne den Unterschied zwischen den beiden Techniken nicht und weiß nicht, welche Methode besser ist. Ich muss diese beiden Unterschiede besser studieren. Wenn Sie einen Rat haben, sind wir sehr dankbar. Ich habe jedoch überprüft, dass die Montecarlo-Simulation mehr Zeit benötigt als die gefilterte Montecarlo-Technik.
Ich muss dies im Profil des neuronalen Netzwerks tun. Daher dachte ich, dass es sich um eine hybride ANN-Montecarlo-Simulation handeln könnte.
Zum besseren Verständnis:
Für eine Zufallstabelle:
1. Ich habe die Option neuronal ausgewählt
2. Ich habe auf das rote Dreieck im Modell geklickt
3. Ich habe auf die Option Vorhersageprofil geklickt
4. Ich habe im Vorhersageprofil auf das rote Dreieck geklickt.
5. Ich habe „Zufallstabellen ausgeben“ ausgewählt.
Für die Simulation habe ich das gleiche Verfahren durchgeführt, aber anstatt auf „Zufallstabellen ausgeben“ zu klicken, habe ich die Option „Simulator“ ausgewählt. Ich habe auf das rote Dreieck geklickt und „Simulationsexperiment“ ausgewählt.
Ich habe das Rauschen in den interaktiven Zellen angepasst und die Zufallsvariable ausgewählt.
Betreff: Regelextraktionsalgorithmen zur Überprüfung des künstlichen neuronalen Netzwerks (ANN)
@AngeloF88 schrieb:
Diese Simulation lässt sich sehr einfach in JMP durchführen. Wenn Sie wissen, was ist in JMP der Unterschied zwischen einer Zufallstabelle und einer Simulation aus dem Profil? Gibt es zwei Arten von Monte-Carlo-Simulationen?
Bitte klären Sie die Tabellen („Zufallstabellen“ und „Simulation aus Profil“), auf die Sie sich beziehen, bevor ich Ihre Frage beantworten kann.
Betreff: Regelextraktionsalgorithmen zur Überprüfung des künstlichen neuronalen Netzwerks (ANN)Vielen Dank! Ich habe die Zeitung gelesen und sie ist interessant. Ich habe auch einige Veröffentlichungen (ebenfalls in der Zeitschrift mit hohem Impact-Faktor) gelesen, die sich mit der Verwendung von ANN im pflanzenphysiologischen Bereich befassen. Ich glaube, dass sie ein starkes Vorhersageinstrument sind, aber das Problem der Black Box ist für Forscher, die nicht den ganzen Tag mit Mathematik arbeiten, schwer zu erklären. JMP hilft jedoch dabei, das künstliche neuronale Netzwerk zu nutzen und das Ergebnis zu verstehen. Nach Ihrem Vorschlag bezüglich des Profils und der Schätzung habe ich eine klarere Vorstellung vom künstlichen neuronalen Netzwerk. Ich habe die hervorragenden Bücher gelesen, die direkt bei JMP erhältlich sind. Ich habe auch in ANN und anderen statistischen Analysen die Montecarlo-Simulation aus dem Profil gefunden. Bingo!! Manchmal ist dies eine wichtige Simulation für die Paläoklimatologie und allgemein für Menschen, die in der Ökologie mit Vorhersagen arbeiten. Diese Simulation lässt sich sehr einfach in JMP durchführen. Wenn Sie wissen, was ist in JMP der Unterschied zwischen einer Zufallstabelle und einer Simulation aus dem Profil? Gibt es zwei Arten von Monte-Carlo-Simulationen?
Betreff: Regelextraktionsalgorithmen zur Überprüfung des künstlichen neuronalen Netzwerks (ANN)Ich habe weitere Informationen von JMP Development zu Ihrer Anfrage. Sie sagen, dass es schwierig sei, neuronale Netze (NN) von jedem Softwareprodukt aus zu verifizieren. NN sind nicht wie eine lineare Regression, bei der die Koeffizienten und Vorhersagen unabhängig vom verwendeten Produkt gleich sind.Jedes Produkt wird sehr unterschiedlich sein. Das Beste, was Sie tun können, ist die Kreuzvalidierung, um die Vorhersageleistung der Data-Mining-Modelle zu bewerten. Wenn ein dringender Bedarf besteht, die verwendeten Modelle zu überprüfen, bleiben Sie bei der Methode der kleinsten Quadrate und der logistischen Regression.
Ich habe ein JMP-Whitepaper beigefügt, in dem alles behandelt wird, was wir über NN in JMP sagen können.
Betreff: Regelextraktionsalgorithmen zur Überprüfung des künstlichen neuronalen Netzwerks (ANN)Sie könnten nach solchen Referenzen suchen. Ich habe keine zur Hand.
Kommerzielle Softwareanbieter veröffentlichen ihre numerischen Methoden oder Codes im Allgemeinen nicht, da es sich dabei um proprietäres geistiges Eigentum handelt. JMP bietet Benutzern diese Seite als Ressource an, um ihnen bei der Einrichtung zu helfen Qualität von JMP .
Betreff: Regelextraktionsalgorithmen zur Überprüfung des künstlichen neuronalen Netzwerks (ANN)Vielen Dank Markbailey,
Zu einfach für schnell gefunden... 
Zufrieden mit der JMP-Software und ihrem Support.
Wissen Sie, ob es Veröffentlichungen oder Konferenzbeiträge gibt, die die ANN-Schätzungen in JMP beschreiben? Denn für die Veröffentlichung der Daten muss ich meine Analyse und meine Veröffentlichung mit den richtigen Referenzen auf JMP-Basis untermauern.
Grüße,
Angelo
Betreff: Regelextraktionsalgorithmen zur Überprüfung des künstlichen neuronalen Netzwerks (ANN)Nachdem Sie ein Modell ausgeführt haben, können Sie auf das rote Dreieck oben in der Gliederung für dieses Modell klicken. Sie haben die Möglichkeit, das Netzwerk anzuzeigen Diagramm und Sie können das auch zeigen Schätzungen . Die Struktur jedes Knotens hängt von Ihrer Wahl der Aktivierungsfunktion ab.
Was brauchst du noch?
