809970_ko-KR

liliconcom

신경망 모델을 사용하여 패턴 발견 및 예측

방법을 확인하세요:

• 원래 입력의 비선형 함수인 숨겨진 노드라고 하는 파생 입력 집합의 함수로 신경망을 이해합니다.
• 신경망 다이어그램 입력(요인) 및 출력(응답) 해석
• 용어를 이해하고 신경망 구축에 어떻게 적용되는지 이해합니다(노드, 활성화 유형, 활성화 함수)
• 은닉층의 노드에서 X 변수의 선형 조합을 변환하는 활성화 함수 유형(TanH, 선형, 가우시안, 시그모이드, 항등 및 방사형)을 이해합니다.
• 신경망 모델을 구축하기 위한 순서를 따르세요
  • 출시 모델(JMP 대 JMP Pro)
  • 첫 번째와 두 번째 레이어에 노드 수를 지정하세요
  • 부스팅을 사용하여 이전 작은 모델의 확장된 잔차에 맞는 더 큰 가산 모델을 구축합니다.
  • 학습률 지정(1에 가까울수록 모델 실행 속도가 빨라지지만 과적합될 가능성이 있음)
  • 공변량 변환
  • 이상치의 영향을 최소화하기 위해 연속 출력에 Robust Fit을 사용합니다.
  • JMP가 페널티 방법과 투어 수를 사용하는 방식을 이해합니다.
  • 과잉 맞춤을 방지하기 위해 페널티 방법(제곱, 절대, 페널티 없음)을 선택하십시오.
  • 투어 수를 선택하세요
• 연속적 응답을 위한 신경망 구축 사례 연구
  • 과잉적합을 방지하기 위해 JMP 검증을 사용하세요
  • Training set과 Validation set 값을 비교합니다.
  • Model Launch를 사용하여 신경망 설정을 변경하세요
  • 예측 변수가 결과에 어떤 영향을 미치는지 평가하려면 실제 예측 플롯 및 프로파일러를 사용하세요.
• 범주형 응답을 위한 신경망 구축 사례 연구
  • 적합 통계, 혼동 행렬, ROC 곡선 및 리프트 곡선 해석

자원:

• Neural Net Prediction Profiler의 외삽 제어 옵션
• 예측 모델 구축 원칙 이해 비디오

예측 모델링 및 머신 러닝