変数を予測するためにニューラル ネットワーク モデリングを使用する必要があり、過剰適合を避けるために、K 分割交差検証法を利用しています。モデル スクリーニング プラットフォームでは、3 つの TanH 関数を使用したブースティングを使用してニューラル ネットワークが適合されます。プラットフォームのデフォルト設定とは異なる数と構成を使用してニューラル ネットワークをカスタマイズすることは可能ですか? 各分割の R 平方値を個別に取得する必要があり、関数の数を変更したり、ロバスト フィッティングを適用したりするなど、ニューラル ネットワーク設定を調整したいと考えています。
ニマキシム -
ここでは、NN モデルを進める方法についてのいくつかの考えを示します。
モデルスクリーニング
モデル スクリーニングを実行すると、NN プラットフォームはベースライン パラメータ セット (3 つの TanH ノードと 20 のブースト) を実行します。私の知る限り、モデル スクリーニングでこれらのベースライン パラメータを調整することはできません。
個別のNNモデルの構築
もちろん、「分析」>「予測モデリング」>「ニューラル」を起動して個別のモデルを作成することもできます。このインターフェイスでは、システムに最適な NN モデルを見つけるために、多くの追加パラメータを指定できます。
NN プラットフォームで NN モデルを構築するときに、KFold 列を適用できます。これを行うには、まず [分析] > [予測モデリング] > [検証列の作成] に移動して KFold 列を作成します。[選択した方法] メニューで [K フォールド列の作成] を選択し、[OK] をクリックしてから、フォールドの数を指定して [実行] をクリックします。データ テーブルに「n フォールド列」というタイトルの新しい列が表示されます。NN プラットフォームを起動し、この列を検証列として追加します。
すべてのFold内でR2を比較する
R2 をすべてのフォールドと比較するのは少し難しいですが、方法はあります。まず、NN プラットフォームで NN モデルを構築します。次に、赤い三角形のメニューを使用して、各モデルの式 (プロファイル式でもかまいません) を保存します。保存するモデルが複数ある場合は、キーボードの Ctrl キーを押し、プロファイル式の保存を選択して、レポート内のすべてのモデルに対して同時にこれを実行します。この例では、2 つのモデルを構築し、その式をテーブルに保存しました (このモデル レポートでは、検証にどのフォールドが使用されたかがわからないことに気付くでしょう)。
次に、「分析」>「予測モデリング」>「モデル比較」に進み、NN 予測式をロードして、KFold 列をグループ ロールとして使用します。
モデル比較レポートでは、各モデルの各フォールドの適合度を示す表が表示されます。
実行ごとにモデルが異なることに気付くかもしれません。大幅に異なる場合は、モデル ダイアログでランダム シードを指定できます。同じランダム シードと同じ検証列を使用すると、モデルを実行するたびに適合度の測定値が一定になります。
複数のNNの構築と比較
JMP で複数の NN モデルを構築して比較するのは簡単です。モデル ダイアログでパラメータを簡単に指定および変更できます。さまざまな関数、ノード、その他のフィッティング パラメータを使用して、さまざまな NN モデルを構築して比較したい場合は、私が作成した NN チューニング アドインを試してみるとよいでしょう。こちらから入手できます:ニューラル ネットワーク チューニング アドイン
