Detección de modelos: red neuronal/validación cruzada K-foldNecesito utilizar la detección de modelos para ajustar un modelo por red neuronal. la configuración predeterminada para NN es 3TanH. pero cuando cambio la configuración en el lanzamiento del modelo (por ejemplo: 1TanH 1 Lineal 1 Gaussiano), me muestra una alerta: "Nota: La tabla de datos ha cambiado. La salida ya no representa los datos. PARA sincronizar la salida con los datos, seleccione "sincronizar con cambios en la tabla de datos" en el menú de la plataforma".
¿Cómo puedo cambiar la configuración de la red neuronal y reiniciar el modelo?
Modelado estadístico avanzadoModelado predictivo y aprendizaje automáticoRe: Detección de modelos: Red neuronal/validación cruzada K-fold¿Sabe qué hizo para cambiar los datos entre el momento en que ejecutó el primer modelo y el momento en que intentó ejecutarlo nuevamente?
Si ejecuto un modelo de red neuronal, luego oculto y excluyo algunas filas, luego abro el inicio del modelo y vuelvo a ejecutar el modelo, aparece el mismo mensaje que usted está viendo. Desde el menú del triángulo rojo en la barra de contorno superior, hay una opción para sincronizar los datos.
Después de hacer clic en la opción de sincronización, puedo ejecutar otros modelos.
Re: Detección de modelos: Red neuronal/validación cruzada K-foldHola @Nimaxim ,
Como respondió @Byron_JMP , es posible que haya habido algunos cambios en la tabla entre el lanzamiento de las dos plataformas que podrían explicar el mensaje que ve.
Algunas notas al margen comentan:
- ¿Has probado otras opciones de modelado? Las redes neuronales son modelos complejos, capaces de aproximarse a cualquier función (puede leer sobre el " Teorema de aproximación universal " si está interesado en obtener más información), pero pueden sobreadaptarse rápidamente, exigir recursos computacionales relativamente grandes y es posible que no puedan generalizarse bien. (sin precaución). Debido a su altísima flexibilidad, es posible que vea muy a menudo a Neural Network como uno de los modelos con mejor rendimiento de esta plataforma de selección de modelos, pero le animo a que busque otras opciones con rendimientos similares o más cercanos.
- ¿Tiene una estrategia de validación y prueba? Como se mencionó anteriormente, el sobreajuste con Neural Network es muy fácil de obtener, por lo que una estrategia de validación adecuada es esencial para evitar el sobreajuste, y un conjunto de pruebas es útil para validar que las predicciones de Neural Network podrían aplicarse fácilmente a datos nuevos o no vistos, con propiedades y distribuciones similares a las de los conjuntos de entrenamiento y validación.
- Como has podido comprobar, dependiendo de la plataforma utilizada, se proponen diferentes configuraciones y arquitecturas de redes neuronales. Todos los modelos utilizados en la plataforma Model Screening utilizan opciones predeterminadas y parámetros de ajuste en el ajuste del modelo, por lo que para Neural Network, es una red de 1 capa con 3 funciones tanH: inicie Model Screening Platform (jmp.com).
Es posible que desee ajustar la arquitectura de Neural Network para que se ajuste mejor a su caso de uso y, para ayudarlo con eso, puede usar el complemento de ajuste de Neural Network creado por @scott_allen .
Espero que esta respuesta complementaria te ayude.
