神经网络示例

假定您想要创建一个模型来预测体脂百分比，它可以表示为几项人体测量值的函数。按照以下步骤来构建神经网络模型：

1. 选择帮助 > 样本数据文件夹和 Body Fat.jmp。

2. 选择分析 > 预测建模 > 神经。

3. 选择体脂肪百分比并点击 Y，响应。

4. 选择其他所有列（从年龄（年）一直选择到腕围 (cm)），然后点击 X，因子。

5. 点击确定。

6. 为保留比例输入 0.2。

7. 为随机种子输入 1234。

注意：一般来说，由于验证集是随机选择的，所以结果会有所不同。输入上面的种子可以重现本示例中所示的结果。

8. 选中变换协变量选项。

9. 点击执行。

图 3.3 神经报表 

报表中同时为训练集和验证集提供了结果。您可以使用验证集的结果来表示模型对于将来观测的预测能力。

验证集的 R 方统计量为 0.792。该值表明该模型在预测体脂百分比方面表现良好，并且该模型的预测与验证集中的实际值高度一致。

10. 点击“模型 NTanH(3)”旁边的红色小三角并选择标绘“预测值-实际值”图。这为模型拟合提供了进一步评估。

图 3.4 “预测值-实际值”图 

图上的点沿着线条分布，表明预测值与实际值相差不大。

11. 要对 X 变量如何影响预测值有总体了解，请点击“模型 NTanH(3)”旁边的红色小三角并选择刻画器。

12. 请点击“预测刻画器”红色小三角并选择外观 > 行内排列。

13. 在“每行多少个图？”旁边输入 7。

图 3.5 预测刻画器 

有些变量的刻画迹线具有正斜率，有些则具有负斜率。例如，变量体重（磅）具有正斜率。这表明：较高的体重与较高水平的体脂百分比相关。变量身高（英寸）是参与者的身高（用英寸表示）。该变量具有负斜率，这表明随着身高（英寸）的增加，预测的体脂百分比趋于下降。

需要更多信息？有问题？从 JMP 用户社区得到解答 (community.jmp.com).