Translation not up to date
Sieci neuronowe może przybliżyć szeroką gamę modeli predykcyjnych, przy czym charakteryzuje się minimalnymi wymaganiami w odniesieniu do struktury i założeń modelu. Forma powiązania jest określona podczas procesu uczenia. Jeśli odpowiednie jest powiązanie liniowe między zmiennymi przewidywanymi a predyktorami, wówczas wyniki sieci neuronowej powinny dokładnie przybliżać wyniki tradycyjnego modelu liniowego. Jeśli bardziej odpowiednie jest powiązanie nieliniowe, wówczas sieć neuronowa będzie automatycznie przybliżać „prawidłową” strukturę modelu.
Kosztem takiego elastycznego działania jest brak możliwości łatwej interpretacji sieci neuronowej. Jeśli próbujesz wyjaśnić proces bazowy, który wywołuje powiązania między zmienną przewidywaną a predyktorami, wówczas lepiej będzie użyć bardziej tradycyjnego modelu statystycznego. Jeśli jednak możliwość interpretacji modelu nie jest istotna, dobre wyniki można uzyskać, stosując sieć neuronową.
Wymagania dotyczące pól. Musi istnieć co najmniej jedna zmienna przewidywana i jedna zmienna wejściowa. Zmienne ustawione jako Łącznie i Brak są ignorowane. Nie istnieją żadne ograniczenia dotyczące poziomu pomiarów dla zmiennych przewidywanych ani predyktorów (zmiennych wejściowych).
Wagi początkowe są przypisywane do sieci neuronowych podczas budowania modeli, dlatego wygenerowany model ostateczny zależy od porządku zmiennych w danych. Produkt Watson Studio automatycznie sortuje dane według nazwy pola przed przedstawieniem go w sieci neuronowej na potrzeby szkolenia. Oznacza to, że jawna zmiana porządku zmiennych w poprzedzających danych nie ma wpływu na wygenerowane modele sieci neuronowych, gdy w konstruktorze modelu ustawiona jest wartość początkowa generatora liczb losowych. Jednak zmiana nazw zmiennych wejściowych na takie, które spowodują zmianę porządku sortowania spowoduje wygenerowanie innych modeli sieci neuronowych, nawet jeśli w konstruktorze modelu będzie ustawiona wartość początkowa generatora liczb losowych. Inny porządek sortowania zmiennych nie wpłynie istotnie na jakość modelu.