ニューラルネットワークと管理図こんにちは
ニューラルネットワークは外れ値の影響を受けますか?
ニューラル ネットワークに基づいてフェーズ I 管理図を設計したいのですが、外れ値を削除してニューラル ネットワークを再モデリングするたびに、モデルの精度が低下します。
どのような解決策を提案しますか?
品質およびプロセスエンジニアリングニューラルネットワークと管理図についてこんにちは、 @maryam_nourmand !
NN は、トレーニング データ セットのサイズに大きく依存します (特に小さい場合)。また、トレーニング プロセスの一部として、NN に乱数ジェネレーターが組み込まれているのが一般的です。次の 3 つの点をお勧めします。
まず、ランダム シードを設定します (これにより、同じデータ セットで NN を再現できるようになります)。シードは任意の数値にすることができます。ダイアログのそのフィールドに何かを入力するだけです。
次に、データ セットの検証戦略を正しく設定していることを確認します。コミュニティでは、これをどのように行うかについて多くの議論が行われています。
3 番目 - 十分な大きさのデータ セットを使用していることを確認します。これについては多くの提案を見てきましたが、私が気に入っているのは、トレーニング セットと検証セットの両方で NN が考慮するすべての要素に対して 10 ～ 20 の測定値を使用することです。つまり、要素が 10 個ある場合、測定値は 200 ～ 400 になります。
お役に立てれば幸いです!
最高、
M
ニューラルネットワークと管理図について@MikeD_Andersonの優れたアドバイスに付け加えると、ニューラル ネットワークは確かに外れ値の影響を受ける可能性があります。Mike が述べたように、サンプル サイズを大きくする必要があるため、それほど深刻ではない可能性があります。ただし、ニューラル ネットワークは非常に柔軟なモデルであるため、ノイズの多いデータではあまりうまく機能しません。余分なノイズに「過剰反応」する傾向があります。そのため、外れ値の影響を受ける可能性があります。外れ値を説明しようとしますが、これがモデルの偏りの原因となる可能性があります。これは、Mike が言及した検証戦略を示しています。
ニューラルネットワークと管理図についてこんにちは、
ご返信ありがとうございます。
私のデータはヘルスケア分野のもので、実際の性質とサンプリングの難しさのため、収集できるサンプルは 94 個、予測子は 7 個しかありませんでした。以前の研究では、分類にロジスティック回帰が使用されていました。私の研究では、ニューラル ネットワークを使用したいと考えていました。ただし、フェーズ I 管理図を設計する際に、アルファの設定、外れ値の特定、データセットからのデータの削除、ニューラル ネットワークの再トレーニングを行う必要があるため、問題が発生しました。ニューラル ネットワーク モデルに基づいてフェーズ I 管理図を設計するためのソリューションはありますか (できればデータを削除せずに)?
ニューラルネットワークと管理図についてあなたの状況では、正式なNNではデータが不足するでしょう。SVEM（自己検証アンサンブルモデル）を検討してみてはいかがでしょうか。これらはDOE（非常に小さなデータセット）で相互検証するように設計されており、このような状況で役立つことがあります。また、NN（実際には派手な名前のアンサンブルモデルに過ぎません）のように動作します。;) ）。
詳細については、こちらをご覧ください:https://community.jmp.com/t5/Elevated-Thinking/SVEM-in-JMP-17/ba-p/538553
またはこちら: https://community.jmp.com/t5/Discovery-Summit-Europe-2021/Re-Thinking-the-Design-and-Analysis-of-Experiments-2021-EU-30MP/ta-p/349240
ニューラルネットワークと管理図についてフェーズ 1 管理図の作成にニューラル ネットワーク モデリング アプローチを使用する理由が知りたいです。NN モデルは、管理限界を確立するのにどのように役立ちますか。特に、これまでに共有した内容から判断すると、分類目的で通常使用される名目応答の場合にはどうでしょうか。管理図には、調査対象のプロセスに固有の明確な生産順序があります。調査対象のプロセスとフェーズ 1 管理図を作成する実際的な目的について、さらに情報を共有していただけますか。これは、定義上、フェーズ II モードでの安定性について、将来のある時間空間でプロセスを調査/評価することに関心があることを示しています。
