JMPシステムエンジニアのSam GardnerがJMP 9 NeuralプラットフォームでWebキャストを公開しました。刷新 JMP 9 、新しいニューラルプラットフォームが強化対話型データマイニングより豊富なモデリングオプションのセット、スピードとパフォーマンスの向上、および分析を合理化する計算を提供することによって。
JMPユーザーから寄せられたいくつかの質問に対するSamの回答を共有したいと思いました。
Q： ニューラルネットは非線形回帰のように見えますが、これは境界条件に非常に敏感であるため、しばしば不安定になります。非線形回帰に対するニューラルネットの利点は何ですか？
A： ニューラルネットは一種の非線形モデルです。モデル化している応答が入力の比較的滑らかな関数である場合、これらはうまく機能する傾向があります。境界条件（x <= 0の場合はy（x）= 0）、または応答に不連続性がある場合、ニューラルネットはうまく機能しません。ニューラルネットの利点の1つは、モデルの機能形式を気にせずに複雑なモデルをデータに簡単にフィットできることです。一方、一般的な非線形モデリングでは、使用するモデルを完全に指定する必要があります。
Q： カテゴリカル変数をニューラルネットワークの入力として使用できますか？
A： はい。JMPは、カテゴリカル入力の各レベルに対して（データテーブルではなく）バックグラウンドでインジケータ変数を作成します。たとえば、入力が「食品」、カテゴリが「りんご」、「オレンジ」、「バナナ」の場合、JMPはニューラルネットに3つの入力変数を作成します。
food1 =（food ==“りんご”）
food2 =（food ==“バナナ”）
food3 =（food ==“オレンジ”）
これはバックグラウンドで行われるため、予測方程式を保存すると、方程式内部に指標関数を使用して新しい変数が作成されます。
Q： バイナリY変数に合わせるためにニューラルネットを使うことができますか？
A： はい、あなたはニューラルネットにバイナリまたはマルチレベルのカテゴリカルY変数をフィットさせることができます。唯一の違いは、モデル化している出力がカテゴリカルYの発生頻度の確率であることです。
Q： モデルを作成した後、そのモデルを予測に使用するために新しいデータを定期的に追加することはできますか？
A： モデルの近似に含めるデータを追加する場合は、ニューラルモデルを再調整する必要があります。データテーブルに保存したモデル方程式に基づいて新しい入力値を予測するだけの場合は、入力値を含むデータ行を追加するだけで、JMPは予測値に出力値を計算します。式の列。
Q： tanh関数とは何ですか？
A： 双曲線正接（tanh）関数は歴史的にニューラルネットワークで使用される一般的な活性化関数です。それは良い性質を持ち（tanhの出力は-1,1の間に制限され、入力の有効範囲は-3,3、それは滑らかで、そしてそれは微分可能です）そして非常に柔軟な非線形モデリングを可能にします。に JMP Pro （JMPファミリーの新製品）、我々はまた線形とガウス活性化関数を可能にします。
Q： ニューラルネットは時系列分析に使用できますか？
A： 技術的には答えはイエスです。ニューラルネットへの入力は時間の指標となるため、トレーニングデータの範囲を超えて外挿する（つまり、トレーニングデータセットの範囲外の時間値に対する将来の応答を予測する）ため、これを使用する場合は注意が必要です。アプローチ。一般に、ニューラルネットはトレーニングデータの範囲を超えて外挿することはあまりありません。
Q： どの変数が出力変数に大きな影響を与えたかを判断する方法はありますか？
A： JMPは、ニューラルネットワークの変数重要度を計算しません。ただし、JMPプロファイラーを使用して、変数の重要性を視覚的に確認できます。
JMP 8以前で使用されていたNeural Netプラットフォームとの下位互換性を利用する方法を知りたいというユーザーもいました。SamはJMP 9からNeural Netを起動するスクリプトの書き方を示しました。今見る。
JMP 9メニューにNeural Netオプションを追加することもできます。今見る。
カート・ポールマン書きました：
JMP 9メニューにNeural Netオプションを追加する方法を説明したビデオをご提供いただきありがとうございます。ただし、説明はWindows版のJMP 9に固有のもので、Mac版のJMP 9を使用して手順を繰り返すことはできません。私はここに何かが足りない？
