Modell-Screening: Neuronales Netzwerk / K-fach KreuzvalidierungIch muss eine Modellprüfung durchführen, um ein Modell mithilfe eines neuronalen Netzwerks anzupassen. Die Standardeinstellung für NN ist 3TanH. Wenn ich jedoch die Einstellung beim Starten des Modells ändere (z. B. 1TanH 1 Linear 1 Gaussian), wird mir eine Warnung angezeigt: „Hinweis: Die Datentabelle hat sich geändert. Die Ausgabe stellt die Daten nicht mehr dar. Um die Ausgabe mit den Daten zu synchronisieren, wählen Sie im Plattformmenü „Mit Änderungen in der Datentabelle synchronisieren“ aus.“
Wie kann ich die Einrichtung des neuronalen Netzwerks ändern und das Modell neu starten?
Erweiterte statistische ModellierungPrädiktive Modellierung und maschinelles LernenBetreff: Modell-Screening: Neuronales Netzwerk / K-fache KreuzvalidierungWissen Sie, was Sie getan haben, um die Daten zwischen dem Ausführen des ersten Modells und Ihrem erneuten Versuch zu ändern?
Wenn ich ein neuronales Netzmodell ausführe, dann einige Zeilen ausblende und ausschließe, dann das Modell öffne, starte und das Modell erneut ausführe, erhalte ich dieselbe Eingabeaufforderung wie Sie. Im roten Dreieckmenü in der obersten Gliederungsleiste gibt es eine Option zum Synchronisieren der Daten.
Nachdem ich auf die Synchronisierungsoption geklickt habe, kann ich andere Modelle ausführen.
Betreff: Modell-Screening: Neuronales Netzwerk / K-fache KreuzvalidierungHallo @Nimaxim ,
Wie von @Byron_JMP beantwortet, gab es möglicherweise zwischen den beiden Plattformstarts einige Änderungen, die die angezeigte Meldung erklären könnten.
Einige Randbemerkungen:
- Haben Sie andere Modellierungsoptionen ausprobiert? Neuronale Netze sind komplexe Modelle, die jede Funktion approximieren können (lesen Sie den „ Universal Approximation Theorem “, wenn Sie mehr darüber erfahren möchten), aber sie können schnell überangepasst sein, relativ große Rechenressourcen erfordern und möglicherweise nicht gut verallgemeinern (ohne Vorsicht). Aufgrund ihrer sehr hohen Flexibilität werden Sie Neuronale Netze auf dieser Model Screening-Plattform sehr oft als eines der leistungsstärksten Modelle sehen, aber ich würde Sie ermutigen, sich andere Optionen mit ähnlicher/näherer Leistung anzuschauen.
- Verfügen Sie über eine Validierungs- und Teststrategie? Wie bereits erwähnt, kann es bei neuronalen Netzwerken sehr leicht zu einer Überanpassung kommen. Daher ist eine geeignete Validierungsstrategie zur Vermeidung einer Überanpassung unerlässlich. Außerdem ist ein Testsatz hilfreich, um zu bestätigen, dass die Vorhersagen des neuronalen Netzwerks problemlos auf neue/ungesehene Daten mit ähnlichen Eigenschaften und Verteilungen wie die Trainings- und Validierungssätze angewendet werden können.
- Wie Sie gesehen haben, werden je nach verwendeter Plattform unterschiedliche Einstellungen und Architekturen für neuronale Netzwerke vorgeschlagen. Alle in der Model Screening-Plattform verwendeten Modelle verwenden Standardoptionen und Abstimmungsparameter bei der Modellanpassung. Beim neuronalen Netzwerk handelt es sich also um ein 1-Schicht-Netzwerk mit 3 tanH-Funktionen: Starten Sie die Model Screening-Plattform (jmp.com).
Möglicherweise möchten Sie die Architektur des neuronalen Netzwerks optimieren, damit sie besser zu Ihrem Anwendungsfall passt. Als Hilfe hierzu können Sie das von @scott_allen erstellte Add-In zur Optimierung neuronaler Netzwerke verwenden.
Ich hoffe, diese ergänzende Antwort wird Ihnen helfen,
