Ich muss neuronale Netzwerkmodelle verwenden, um Variablen vorherzusagen, und um Überanpassung zu vermeiden, verwende ich die K-fach-Kreuzvalidierungsmethode. Auf der Modell-Screening-Plattform wird das neuronale Netzwerk mithilfe von Boosting mit drei TanH-Funktionen angepasst. Ist es möglich, das neuronale Netzwerk anzupassen, indem ich eine andere Anzahl und Konfiguration als die Standardeinstellungen der Plattform verwende? Ich muss den R-Quadrat-Wert für jede Falte einzeln ermitteln und möchte auch die Einstellungen des neuronalen Netzwerks anpassen, z. B. die Anzahl der Funktionen ändern und eine robuste Anpassung anwenden.
@Nimaxim -
Hier einige Überlegungen zum weiteren Vorgehen mit Ihren NN-Modellen.
Modell-Screening
Wenn Sie Model Screening ausführen, führt die NN-Plattform einen Basisparametersatz aus: 3 TanH-Knoten mit 20 Boosts. Soweit ich weiß, können Sie diese Basisparameter im Model Screening nicht anpassen.
Erstellen individueller NN-Modelle
Sie können natürlich auch individuelle Modelle erstellen, indem Sie Analysieren > Prädiktive Modellierung > Neuronal starten. In dieser Oberfläche können Sie viele zusätzliche Parameter angeben, um das beste NN-Modell für Ihr System zu finden.
Wenn Sie ein NN-Modell in der NN-Plattform erstellen, können Sie eine KFold-Spalte anwenden. Erstellen Sie dazu zunächst eine KFold-Spalte, indem Sie zu Analysieren > Prädiktive Modellierung > Validierungsspalte erstellen gehen. Wählen Sie im Menü Ausgewählte Methode die Option K-Fold-Spalte erstellen aus, klicken Sie auf OK, geben Sie dann die Anzahl der Falten an und klicken Sie auf Los. In Ihrer Datentabelle wird eine neue Spalte mit dem Titel „n-Fold-Spalte“ angezeigt. Starten Sie die NN-Plattform und fügen Sie diese Spalte als Ihre Validierungsspalte hinzu.:
Vergleichen Sie R2 innerhalb aller Falten
Der Vergleich des R2 mit allen Faltungen ist etwas knifflig, aber es gibt eine Möglichkeit. Erstellen Sie zunächst Ihre NN-Modelle auf der NN-Plattform. Speichern Sie anschließend die Formel (Profilformel ist in Ordnung) für jedes Modell über das rote Dreieckmenü. Wenn Sie mehrere Modelle speichern möchten, drücken Sie Strg auf Ihrer Tastatur und wählen Sie Profilformeln speichern, um dies für alle Modelle in Ihrem Bericht gleichzeitig zu tun. In diesem Beispiel habe ich zwei Modelle erstellt und ihre Formeln in der Tabelle gespeichert (Sie werden feststellen, dass Sie nicht wissen, welche Faltung in diesem Modellbericht für die Validierung verwendet wurde):
Gehen Sie als Nächstes zu Analysieren > Prädiktive Modellierung > Modellvergleich, laden Sie die NN-Vorhersageformeln und verwenden Sie die Spalte KFold als Gruppenrolle:
Im Modellvergleichsbericht erhalten Sie eine Tabelle, in der die Anpassungsmaße für jede Falte in jedem Modell angezeigt werden:
Möglicherweise stellen Sie fest, dass sich die Modelle zwischen den Ausführungen unterscheiden. Wenn sie sich erheblich unterscheiden, können Sie im Modelldialogfeld einen Zufallsstartwert angeben. Wenn Sie denselben Zufallsstartwert und dieselbe Validierungsspalte verwenden, sollten die Anpassungsmaße bei jeder Ausführung der Modelle konsistent sein.
Erstellen und Vergleichen mehrerer NNs
Das Erstellen und Vergleichen mehrerer NN-Modelle in JMP ist einfach. Sie können Parameter einfach im Modelldialog angeben und ändern. Wenn Sie feststellen, dass Sie viele verschiedene NN-Modelle mit einer breiten Palette von Funktionen, Knoten und anderen Anpassungsparametern erstellen und vergleichen möchten, sollten Sie das von mir erstellte NN-Tuning-Add-In ausprobieren. Sie finden es hier:Neural Network Tuning Add-in
