説明変数と応答の間には複雑な関係があると私たちはしばしば仮定します。このような場合、ニューラルネットワーク（ニューラルネット）は有用であり、入力変数の関数の柔軟なネットワークから応答を予測することを可能にします。ニューラルネットは、応答曲面の関数型を知る必要がない場合、異なる応答曲面を効率的かつ柔軟にモデル化できます。
最近のWebキャストで、JMPシステムエンジニアのValerie Hyde氏は、簡単なデモ自動車保険金請求の予測因子を見つけるためにJMPニューラルネットを使用する。彼女はデータに合うようにデータの70％のトレーニングセットを使用し、データの残りの30％とトレーニングセットを相互検証しました（ホールドバックセット）。
デモでは、彼女は、5つの説明変数（入力ノード）、1つの応答（出力ノード）、および入力と出力との関係を持つ3つの中間ノードを持つニューラルネットを構築します。
彼女はRを調べる方法を示します 2 そして交差検定されたR 2 は、ノードを追加してから再調整することが有益かどうかを判断する方法を示し、再調整の結果を評価する方法を説明します。
でニューラルネットについてもっと知りたい JMP 最大反復回数、オーバーフィットペナルティ、カバレッジ基準の変更などJMPからアクセス可能な 『Statistics and Graphics Guide』の第28章を参照してください。ヘルプ>本> JMP統計とグラフガイド 。
また、必ず確認してくださいライブWebキャストスケジュール 9月、4Qウェブキャストを公開しました。Valerieはニューラルネットに焦点を当てた1時間のプレゼンテーションを行います。
