Devo usare la modellazione della rete neurale per prevedere le variabili e per evitare l'overfitting, sto utilizzando il metodo di convalida incrociata K-fold. Sulla piattaforma di screening del modello, la rete neurale viene adattata usando il boosting con tre funzioni TanH. È possibile personalizzare la rete neurale usando un numero e una configurazione diversi dalle impostazioni predefinite della piattaforma? Devo ottenere il valore R-quadrato per ogni fold individualmente e voglio anche regolare le impostazioni della rete neurale, come cambiare il numero di funzioni e applicare un fitting robusto.
@Nimaxim -
Ecco alcune idee su come procedere con i modelli NN.
Screening del modello
Quando esegui Model Screening, la piattaforma NN eseguirà un set di parametri di base: 3 nodi TanH con 20 Boost. Per quanto ne so, non puoi modificare questi parametri di base in Model Screening.
Costruzione di modelli NN individuali
Naturalmente puoi creare modelli individuali avviando Analyze > Predictive Modeling > Neural. In questa interfaccia puoi specificare molti parametri aggiuntivi per trovare il miglior modello NN per il tuo sistema.
Quando si crea un modello NN nella piattaforma NN, è possibile applicare una colonna KFold. Per farlo, creare prima una colonna KFold andando su Analyze > Predictive Modeling > Make Validation Column. Nel menu Selected Method, selezionare Make K Fold column, fare clic su OK, quindi specificare il numero di fold e fare clic su Go. Una nuova colonna apparirà nella tabella dati con il titolo "n Fold Column". Avviare la piattaforma NN e aggiungere questa colonna come colonna di convalida.:
Confronta R2 all'interno di tutte le pieghe
Confrontare l'R2 con tutti i fold è un po' complicato, ma c'è un modo. Per prima cosa, costruisci i tuoi modelli NN nella piattaforma NN. Quindi, salva la formula (Profile Formula va bene) per ogni modello usando il menu Red Triangle. Se hai diversi modelli che vuoi salvare, premi Ctrl sulla tastiera e seleziona Save Profile Formulas per farlo per tutti i modelli nel tuo report contemporaneamente. In questo esempio, ho costruito due modelli e ho salvato le loro formule nella tabella (noterai che non sai quale Fold è stato usato per la convalida in questo report del modello):
Successivamente, vai su Analizza > Modellazione predittiva > Confronto modelli e carica le formule di previsione NN e usa la colonna KFold come ruolo Gruppo:
Nel report di confronto dei modelli ottieni una tabella che mostra le misure di adattamento per ogni fold in ogni modello:
Potresti notare che i modelli differiscono tra le esecuzioni. Se differiscono notevolmente, puoi specificare un seed casuale nella finestra di dialogo del modello. Se utilizzi lo stesso seed casuale e la stessa colonna di convalida, le misure di adattamento dovrebbero essere coerenti ogni volta che esegui i modelli.
Costruzione e confronto di più reti neurali
Creare e confrontare più modelli NN in JMP è semplice. Puoi specificare e modificare facilmente i parametri nella finestra di dialogo del modello. Se ti accorgi di voler creare e confrontare molti modelli NN diversi con un'ampia gamma di funzioni, nodi e altri parametri di adattamento, potresti provare il componente aggiuntivo NN Tuning che ho creato. Puoi trovarlo qui:Neural Network Tuning Add-in
