J'ai besoin d'utiliser la modélisation de réseau neuronal pour prédire les variables et pour éviter le surajustement, j'utilise la méthode de validation croisée K-fold. Sur la plateforme de criblage de modèles, le réseau neuronal est ajusté à l'aide d'un boosting avec trois fonctions TanH. Est-il possible de personnaliser le réseau neuronal en utilisant un nombre et une configuration différents des paramètres par défaut de la plateforme ? J'ai besoin d'obtenir la valeur R-carré pour chaque pli individuellement, et je souhaite également ajuster les paramètres du réseau neuronal, comme modifier le nombre de fonctions et appliquer un ajustement robuste.
@Nimaxim -
Voici quelques réflexions sur la manière de procéder avec vos modèles NN.
Sélection de modèles
Lorsque vous exécutez le filtrage de modèle, la plate-forme NN exécutera un ensemble de paramètres de base : 3 nœuds TanH avec 20 Boosts. Pour autant que je sache, vous ne pouvez pas ajuster ces paramètres de base dans le filtrage de modèle.
Création de modèles NN individuels
Vous pouvez bien sûr créer des modèles individuels en lançant Analyser > Modélisation prédictive > Neural. Dans cette interface, vous pouvez spécifier de nombreux paramètres supplémentaires pour trouver le meilleur modèle NN pour votre système.
Lorsque vous créez un modèle NN dans la plateforme NN, vous pouvez appliquer une colonne KFold. Pour ce faire, créez d'abord une colonne KFold en allant dans Analyser > Modélisation prédictive > Créer une colonne de validation. Dans le menu Méthode sélectionnée, sélectionnez Créer une colonne K Fold, cliquez sur OK, puis spécifiez le nombre de plis et cliquez sur Accéder. Une nouvelle colonne apparaîtra dans votre tableau de données avec le titre « Colonne n Fold ». Lancez la plateforme NN et ajoutez cette colonne comme colonne de validation :
Comparer R2 dans tous les plis
Comparer le R2 avec tous les plis est un peu délicat, mais il existe un moyen. Tout d'abord, créez vos modèles NN dans la plateforme NN. Ensuite, enregistrez la formule (Formule de profil convient) pour chaque modèle à l'aide du menu Triangle rouge. Si vous avez plusieurs modèles que vous souhaitez enregistrer, appuyez sur Ctrl sur votre clavier et sélectionnez Enregistrer les formules de profil pour effectuer cette opération pour tous les modèles de votre rapport en même temps. Dans cet exemple, j'ai créé deux modèles et enregistré leurs formules dans le tableau (vous remarquerez que vous ne savez pas quel pli a été utilisé pour la validation dans ce rapport de modèle) :
Ensuite, allez dans Analyser > Modélisation prédictive > Comparaison de modèles et chargez les formules de prédiction NN et utilisez la colonne KFold comme rôle de groupe :
Dans le rapport de comparaison de modèles, vous obtenez un tableau qui montre les mesures d'ajustement pour chaque pli dans chaque modèle :
Vous remarquerez peut-être que les modèles diffèrent d'une exécution à l'autre. S'ils diffèrent considérablement, vous pouvez spécifier une valeur de départ aléatoire dans la boîte de dialogue Modèle. Si vous utilisez la même valeur de départ aléatoire et la même colonne de validation, les mesures d'ajustement doivent être cohérentes à chaque exécution des modèles.
Création et comparaison de plusieurs réseaux de neurones
Créer et comparer plusieurs modèles NN dans JMP est simple. Vous pouvez spécifier et modifier facilement les paramètres dans la boîte de dialogue du modèle. Si vous souhaitez créer et comparer de nombreux modèles NN différents avec une large gamme de fonctions, de nœuds et d'autres paramètres d'ajustement, vous pouvez essayer le module complémentaire NN Tuning que j'ai créé. Vous pouvez le trouver ici :Module complémentaire Neural Network Tuning
