通常我們假設解釋變量和響應之間存在復雜的關係。在這些情況下，神經網絡（神經網絡）是有用的，可以使我們能夠預測靈活的輸入變量函數網絡的響應。當不需要知道響應面的功能形式時，神經網絡可以有效且靈活地模擬不同的響應面。
在最近的網絡廣播中，JMP系統工程師Valerie Hyde給出了一個簡短的演示使用JMP神經網絡來查找汽車保險索賠的預測因子。她使用70％數據的訓練集來擬合數據，並使用剩餘的30％數據（保留集）交叉驗證訓練集。
在演示中，她構建了一個神經網絡，它有五個解釋變量（輸入節點），一個響應（輸出節點）和三個與輸入和輸出有關係的中間節點。
她展示瞭如何檢查R 2 和交叉驗證的R. 2 ，告訴如何確定添加更多節點然後重新安裝是否有益，並描述如何評估重新安裝的結果。
想要了解有關神經網絡的更多信息 JMP ，包括改變最大迭代次數，過度懲罰和覆蓋標準？請參閱“統計和圖形指南”中的第28章，可從JMP訪問幫助>書籍> JMP統計和圖表指南 。
另外，一定要查看我們的直播網絡直播時間表 9月，當我們發布我們的4Q網絡廣播時。Valerie將做一個小時的演講，專注於神經網絡。
