モデルスクリーニング: ニューラルネットワーク / K分割交差検証ニューラル ネットワークでモデルを適合するには、モデル スクリーニングを使用する必要があります。NN の既定の設定は 3TanH です。ただし、モデルの起動時に設定を変更すると (例: 1TanH 1 Linear 1 Gaussian)、次の警告が表示されます: 「注意: データ テーブルが変更されました。出力はもはやデータを表していません。出力をデータと同期するには、プラットフォーム メニューから [データ テーブルの変更に同期] を選択します。」
ニューラル ネットワークの設定を変更してモデルを再起動するにはどうすればよいですか?
高度な統計モデリング予測モデリングと機械学習Re: モデルスクリーニング: ニューラルネットワーク / K 分割交差検証最初のモデルを実行したときと、再度実行しようとしたときの間に、データを変更するために何を行ったか知っていますか?
ニューラル ネット モデルを実行し、いくつかの行を非表示にして除外し、モデルの起動を開いてモデルを再実行すると、表示されているのと同じプロンプトが表示されます。一番上のアウトライン バーにある赤い三角形のメニューには、データを同期するオプションがあります。
同期オプションをクリックすると、他のモデルを実行できるようになります。
Re: モデルスクリーニング: ニューラルネットワーク / K 分割交差検証こんにちは@Nimaxim 、
@Byron_JMPが回答したように、2 つのプラットフォームの起動の間にテーブルに何らかの変更があった可能性があり、それが表示されるメッセージの原因となっている可能性があります。
いくつかの補足説明は次のとおりです:
- 他のモデリング オプションを試しましたか? ニューラル ネットワークは複雑なモデルであり、任意の関数を近似できます (詳しく知りたい場合は、「 普遍近似定理」についてお読みください)。ただし、すぐに過剰適合し、比較的大きな計算リソースを必要とし、適切に一般化できない可能性があります (注意が必要です)。柔軟性が非常に高いため、ニューラル ネットワークがこのモデル スクリーニング プラットフォームのモデルのトップ パフォーマーの 1 つとして頻繁に表示されることがありますが、同様のパフォーマンスまたはより近いパフォーマンスを持つ他のオプションを検討することをお勧めします。
- 検証およびテスト戦略はありますか? 前述のように、ニューラル ネットワークではオーバーフィッティングが非常に起こりやすいため、オーバーフィッティングを回避するには適切な検証戦略が不可欠です。また、テスト セットは、ニューラル ネットワークからの予測が、トレーニング セットや検証セットと同様の特性と分布を持つ新しいデータや未知のデータに簡単に適用できることを検証するのに役立ちます。
- ご覧のとおり、使用するプラットフォームに応じて、さまざまな設定とニューラル ネットワーク アーキテクチャが提案されています。モデル スクリーニング プラットフォームで使用されるすべてのモデルは、モデル フィッティングでデフォルトのオプションとチューニング パラメータを使用します。ニューラル ネットワークの場合は、3 つの tanH 関数を持つ 1 層のネットワークです。 モデル スクリーニング プラットフォームを起動します (jmp.com)
ユースケースに合わせてニューラル ネットワークのアーキテクチャを微調整する必要がある場合、 @scott_allenが作成したニューラル ネットワーク チューニングアドインを使用すると便利です。
この補足的な回答がお役に立てば幸いです。
