神经网络示例

本例使用 Boston Housing.jmp 数据表。假定您想要创建一个模型来预测住房价格中位数，它可以表示为几项人口统计特征的函数。按照以下步骤来构建神经网络模型：

1. 选择帮助 > 样本数据库，然后打开 Boston Housing.jmp。

2. 通过选择分析 > 预测建模 > 神经来启动“神经”平台。

3. 将房价中位数分配给 Y，响应角色。

4. 将其他列（从犯罪率到低收入者）分配给 X，因子角色。

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. 为第一层中的 TanH 节点数输入 3。

9. 选中变换协变量选项。

10. 点击执行。

图 3.6 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 0.913，表明该模型可以很好地预测未用于训练模型的数据。作为对模型拟合的进一步评估，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。

图 3.7 “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。

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。

图 3.8 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，变量房间数具有正斜率。这表明住房中的房间数越多，中位数预测值就越高。变量 pt 是按城镇划分的师生比。该变量的斜率为负数，指示师生比越高，中位数值越小。

 

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