신경망 노드
신경망 은 모델 구조 및 가정에 대한 최소한의 요구로 광범위한 예측 모델을 근사화할 수 있습니다. 관계의 양식은 학습 프로세스 중에 판별됩니다. 목표와 예측변수 사이의 선형 관계가 적절한 경우 신경망의 결과는 기존 선형 모델의 결과와 거의 비슷해야 합니다. 비선형 관계가 더 적절한 경우 신경망은 자동으로 "올바른" 모델 구조에 근접합니다.
이 유연성의 트레이드오프는 신경망을 쉽게 해석할 수 없다는 점입니다. 목표와 예측변수 사이의 관계를 생성하는 기본 프로세스를 설명하려는 경우에는 보다 일반적인 통계 모델을 사용하는 것이 좋습니다. 그러나 모델 해석 가능성이 중요하지 않은 경우 신경망을 사용하여 좋은 예측을 얻을 수 있습니다.
필드 요구사항. 하나 이상의 대상과 하나의 입력이 있어야 합니다. 둘 다 또는 없음으로 설정된 필드는 무시됩니다. 목표 또는 예측변수 (입력) 에 대한 측정 수준 제한이 없습니다.
모델 작성 중에 신경망에 지정된 초기 가중치, 따라서 생성된 최종 모델은 데이터에서 필드의 순서에 따라 다릅니다. Watsonx.ai 신경망 훈련을 위해 데이터를 제시하기 전에 필드 이름별로 자동으로 정렬합니다. 이는 모델 작성기에서 난수 시드가 설정된 경우 데이터 업스트림에서 필드의 순서를 명시적으로 변경해도 생성된 신경망 모델에 영향을 주지 않음을 의미합니다. 그러나 정렬 순서를 변경하는 방식으로 입력 필드 이름을 변경하면 모델 작성기에서 난수 시드가 설정된 경우에도 서로 다른 신경망 모델이 생성됩니다. 모델 품질은 필드 이름의 정렬 순서가 다르면 크게 영향을 받지 않습니다.