神经网络和控制图你好
神经网络会受到异常值的影响吗？
我想设计一个基于神经网络的第一阶段控制图，但是每次去除异常值并重新建模神经网络后，模型的准确率就会下降。
您建议什么解决方案？
质量与工艺工程回复：神经网络和控制图嗨， @maryam_nourmand ！
NN 更多地依赖于训练数据集的大小 - 尤其是当数据集较小时。它们通常还内置有随机数生成器作为训练过程的一部分。我建议三件事：
首先 - 设置随机种子（这将使您的 NN 在同一数据集上可重现）。种子可以是您选择的任何数字 - 只需在对话框中的该字段中输入一些内容即可。
第二，确保你为数据集正确设置了验证策略。社区中有很多关于如何做到这一点的讨论。
第三，确保你使用的数据集足够大。我见过很多关于这方面的建议，但我喜欢的一个建议是，神经网络在训练集和验证集中考虑的每个因素都要进行 10-20 次测量。因此，如果你有 10 个因素，那么测量次数将在 200 到 400 次之间。
希望有帮助！
最好的，
M
回复：神经网络和控制图除了@MikeD_Anderson的出色建议之外，神经网络肯定会受到异常值的影响。正如 Mike 所说，这种情况可能不会太严重，因为您应该拥有更大的样本量。但是，由于神经网络是极其灵活的模型，因此它们在处理非常嘈杂的数据时效果不佳。它们往往会对额外的噪音“反应过度”。这就是它们会受到异常值影响的原因。他们会尝试解释异常值，这可能会导致模型偏差。这指向了 Mike 提到的验证策略。
回复：神经网络和控制图你好，
感谢您的答复。
我的数据属于医疗保健领域，由于实际情况和采样难度，我只能收集 94 个样本并有 7 个预测因子。在之前的研究中，逻辑回归用于分类。在我的研究中，我想使用神经网络。但是，在设计第一阶段控制图时，由于设置 alpha 和识别异常值以及从数据集中删除数据并重新训练神经网络，我遇到了问题。您是否有任何基于神经网络模型设计第一阶段控制图的解决方案（最好不删除数据）？
回复：神经网络和控制图在你的情况下，使用正式的 NN 确实会很耗数据。你可以看看 SVEM（自验证集成模型）。它们旨在对 DOE（非常小的数据集）进行交叉验证，有时可以在这种情况下提供帮助。它们的行为也有点像 NN（实际上只是名字花哨的集成模型;)）。
您可以在此处了解更多信息：https://community.jmp.com/t5/Elevated-Thinking/SVEM-in-JMP-17/ba-p/538553
或访问此处： https://community.jmp.com/t5/Discovery-Summit-Europe-2021/Re-Thinking-the-Design-and-Analysis-of-Experiments-2021-EU-30MP/ta-p/349240
回复：神经网络和控制图我很好奇，为什么您选择使用神经网络建模方法来启动第 1 阶段控制图？NN 模型如何帮助您建立控制限度……尤其是对于响应，从您目前分享的内容来看，通常用于分类目的的名义响应？控制图具有与研究过程相关的明确生产顺序。也许您可以分享更多有关研究过程的信息以及建立第 1 阶段控制图的实际目标……这几乎从定义上表明您有兴趣在未来某个时间空间研究/评估该过程，以实现第 2 阶段模式的稳定性。
