最高のニューラルネットモデル最適なニューラル ネット モデル (おそらくシードを知っている) を取得し、スクリプトを保存して将来再び使用することは可能ですか?
予測モデリングと機械学習Re: 最高のニューラル ネット モデルこんにちは@Matheus_Plana さん
@scott_allenによるニューラル ネットワーク チューニングアドインを試しましたか?
このアドインにより、特定のデータセットと検証戦略に合わせてニューラル ネットワークのハイパーパラメータを自動的に調整し、さまざまなランダム シードを使用して結果の再現性をチェックできるようになります。
この回答がお役に立てば幸いです。
Re: 最高のニューラル ネット モデル回答ありがとうございます、ビクターさん！
試していませんが、見ました。アドインは JMP Pro 用ですが、クライアントは JMP Standard を使用しており、そこで実行できるかどうか尋ねられました。
それは JMP トレーニング中のことであり、私はその質問に対する答えがありませんでした。
JMP Standard にそのようなものがあるかどうかご存知ですか?
よろしくお願いします！
Re: 最高のニューラル ネット モデルこんにちは@Matheus_Plana さん
あなた（またはあなたのクライアント）がニューラル ネットワーク モデルを選択した理由をお聞かせいただけますか?
他にも多くのモデルが利用可能であり、データセットのサイズ、代表性/均質性、品質に応じて、他のモデル（機械学習など）の方が適している可能性があります（目的に関連したパフォーマンスと複雑さの点で）。この質問に関する他のトピックを参照してください：
モデルスクリーニング: ニューラルネットワーク / K分割交差検証
モデル比較のヘルプ: DOE と ANN のブースト
...
JMPではニューラルネットワークを構築できますが、ほとんどのオプションにはJMP Proが必要です。そのため、すべての可能なNNモデルの小さなサブセットのみを調査することになります。したがって、この非常に狭いハイパーパラメータ空間でNNを最適化しようとすることは、あまり意味がないのではないかと思います。 ニューラルプラットフォームを起動します。
JMP のみのオプション (TanH 活性化関数のみ、1 つのレイヤーのみなど) を使用してさまざまな NN モデルのテストを自動化できると思いますが、次の手順を自動化するにはスクリプトが必要になります。
- JMPのみのオプションで利用可能なハイパーパラメータの最小レベルと最大レベルを定義します。
- ハイパーパラメータを因子として定義した空間充填設計を作成する。
- このスペース充填設計からすべてのNNモデルに適合します。
- メトリックのパフォーマンスを集計してモデルを比較します。
この回答がお役に立てば幸いです。
Re: 最高のニューラル ネット モデルビクターさん、貴重なアイデアを共有していただき、ありがとうございます!
この場合、私は JMP トレーニングを実施し、さまざまなモデルの使用方法を顧客に説明していました。
ニューラル ネットに関しては、顧客は非常に感銘を受け、私のデモンストレーション中にこの特定の質問をしました。そこで、どう答えたらよいか分からず、このコミュニティに来ました。
しかし、私はあなたに完全に同意します! さまざまなモデルがあり、ニューラルは注意して使用する必要があります。
ではごきげんよう！
Re: 最高のニューラル ネット モデル@Matheus_Planaさん
非プロ ユーザー向けに作成したこのスクリプトを使用して、NN のチューニングを試してみることもできます。これにより、さまざまな Tanh ノード数でどのモデルが最も優れているかを確認したり、さまざまな検証パーセンテージを試したりできます。また、すべてのモデルでどの変数が最も重要であるかを示します。
ご質問があればお知らせください。
スティーブ
Re: 最高のニューラル ネット モデル@shampton82 さん、シェアしていただきありがとうございます!
非常に明確で理解しやすいビジュアルのいくつかに感銘を受けました。たとえば、検証セットに対する予測パフォーマンスと堅牢性/一般化プロパティを評価できる次のビジュアルです。
この添付の表の情報を少し書き直すと、TanH 活性化関数/ノードの数に応じたパフォーマンスの傾向を視覚化するのに役立ちます。
ニューラル ネットワーク チューニング アドイン@scott_allenの更新を検討すると興味深い部分があるかもしれません。
シェアしていただきありがとうございます！
Re: 最高のニューラル ネット モデルこれらは素晴らしいビジュアルです。膨大な情報をシンプルなグラフにまとめるのは本当に難しいですが、 @shampton82 は本当に素晴らしい例をいくつか示しています。
現在、Torch 用の同様のアドインに取り組んでいます。スクリーニングして調整するパラメーターがさらに多くあり、モデル タイプやアクティベーション関数をスキャンするときに同様のビジュアルがうまく機能する可能性があると思います。
