809970_it-IT

liliconcom

Scoprire e prevedere modelli utilizzando modelli di reti neurali

Scopri come:

• Comprendere una rete neurale come funzione di un insieme di input derivati, chiamati nodi nascosti, che sono funzioni non lineari degli input originali
• Interpretare gli input (fattori) e gli output (risposte) del diagramma della rete neurale
• Comprendere i termini e come si applicano alla costruzione di reti neurali (nodi, tipo di attivazione, funzioni di attivazione)
• Comprendere i tipi di funzioni di attivazione (TanH, lineare, gaussiana, sigmoide, identità e radiale) che trasformano una combinazione lineare delle variabili X nei nodi degli strati nascosti
• Seguire la sequenza per costruire un modello di rete neurale
  • Modello di lancio (JMP vs. JMP Pro)
  • Specificare # nodi nel primo e nel secondo strato
  • Utilizzare il boosting per costruire un modello additivo più grande che si adatti ai residui in scala dei modelli più piccoli precedenti)
  • Specificare il tasso di apprendimento (un valore più vicino a 1 eseguirà il modello più velocemente, ma potrebbe tendere a sovradimensionarsi)
  • Trasforma le covariate
  • Utilizzare Robust Fit per un output continuo per ridurre al minimo l'impatto dei valori anomali
  • Comprendere come JMP utilizza i metodi di penalità e il numero di tour
  • Selezionare il metodo di penalità (quadrato, assoluto, nessuna penalità) per evitare il sovraadattamento
  • Seleziona il numero di Tour
• Caso di studio sulla costruzione di una rete neurale per una risposta continua
  • Utilizzare la convalida JMP per evitare il sovradattamento
  • Confronta i valori del set di addestramento e del set di convalida
  • Utilizzare Model Launch per modificare le impostazioni della rete neurale
  • Utilizzare il grafico e il profiler effettivi per previsti per valutare l'impatto dei predittori sui risultati
• Caso di studio sulla creazione di una rete neurale per la risposta categoriale
  • Interpretare le statistiche di adattamento, la matrice di confusione, le curve ROC e le curve di sollevamento

Risorse:

• Opzioni di controllo dell'estrapolazione in Neural Net Prediction Profiler
• Video sulla comprensione dei principi per la creazione di modelli predittivi

Modellazione predittiva e apprendimento automatico