Zeroclanzhang(讨论 | 贡献) (创建页面,内容为“==基本概念== 机器学习中的数据分析神经网络是神经网络应用中的一个分支,您可以通过浏览AI神经网络词条以获取最详尽的神经网络概念和基础知识。 在决策链软件中,数据分析神经网络系列节点使用非线性数据建模来发现复杂的关系并帮助您从数据中获取更大的价值。利用多层感知器 (MLP) 或径向基函数 (RBF) 程序。您可…”) |
Zeroclanzhang(讨论 | 贡献) 无编辑摘要 |
||
(未显示同一用户的2个中间版本) | |||
第1行: | 第1行: | ||
==基本概念== | ==基本概念== | ||
机器学习中的数据分析神经网络是神经网络应用中的一个分支,您可以通过浏览[[人工智能神经网络|AI神经网络]]词条以获取最详尽的神经网络概念和基础知识。 | 机器学习中的数据分析神经网络是神经网络应用中的一个分支,您可以通过浏览'''[[人工智能神经网络|AI神经网络]]'''词条以获取最详尽的神经网络概念和基础知识。 | ||
在决策链软件中,数据分析神经网络系列节点使用非线性数据建模来发现复杂的关系并帮助您从数据中获取更大的价值。利用[[多层感知器]] (MLP) 或[[径向基函数]] (RBF) 程序。您可以设置条件 - 控制训练停止规则和网络架构 - 或让程序选择。影响变量的权重,并指定网络架构的细节。选择模型训练的类型,并使用图形和报表来查看结果。 | 在决策链软件中,数据分析神经网络系列节点使用非线性数据建模来发现复杂的关系并帮助您从数据中获取更大的价值。利用'''[[多层感知器]]''' (MLP) 或'''[[径向基函数]]''' (RBF) 程序。您可以设置条件 - 控制训练停止规则和网络架构 - 或让程序选择。影响变量的权重,并指定网络架构的细节。选择模型训练的类型,并使用图形和报表来查看结果。 | ||
==功能特性与亮点== | ==功能特性与亮点== | ||
第15行: | 第15行: | ||
| 控制过程 || 指定因变量,可以是尺度变量、分类变量或两者的组合。通过选择如何分区数据集、使用哪种架构以及将哪些计算资源应用于分析来调整每个过程。 | | 控制过程 || 指定因变量,可以是尺度变量、分类变量或两者的组合。通过选择如何分区数据集、使用哪种架构以及将哪些计算资源应用于分析来调整每个过程。 | ||
|- | |- | ||
| 与其他程序结合 || | | 与其他程序结合 || 使用传统统计技术确认神经网络结果。在市场研究、数据库营销、财务分析、运营分析和医疗保健等多个领域获得更清晰的见解。 | ||
使用传统统计技术确认神经网络结果。在市场研究、数据库营销、财务分析、运营分析和医疗保健等多个领域获得更清晰的见解。 | |||
|} | |} |
2024年1月27日 (六) 19:27的最新版本
基本概念
机器学习中的数据分析神经网络是神经网络应用中的一个分支,您可以通过浏览AI神经网络词条以获取最详尽的神经网络概念和基础知识。
在决策链软件中,数据分析神经网络系列节点使用非线性数据建模来发现复杂的关系并帮助您从数据中获取更大的价值。利用多层感知器 (MLP) 或径向基函数 (RBF) 程序。您可以设置条件 - 控制训练停止规则和网络架构 - 或让程序选择。影响变量的权重,并指定网络架构的细节。选择模型训练的类型,并使用图形和报表来查看结果。
功能特性与亮点
非线性过程 | 选择多层感知器 (MLP) 或径向基函数 (RBF)。两者都使用前馈架构——数据仅从输入节点通过节点的隐藏层移动到输出节点。 |
网络可视化 | 直观地显示有关神经网络的信息,包括因变量、输入和输出单元的数量、隐藏层和单元的数量以及激活函数。 |
图形显示 | 选择以表格或图表形式显示结果。将可选临时变量保存到活动数据集中。以 XML 文件格式导出模型以对未来数据进行评分。 |
控制过程 | 指定因变量,可以是尺度变量、分类变量或两者的组合。通过选择如何分区数据集、使用哪种架构以及将哪些计算资源应用于分析来调整每个过程。 |
与其他程序结合 | 使用传统统计技术确认神经网络结果。在市场研究、数据库营销、财务分析、运营分析和医疗保健等多个领域获得更清晰的见解。 |