ニューラル・ネットワークは、モデルの構造および推定について最小限の要件で幅広い予測モデルの見積もりができます。 関係の形式は、学習プロセスで決定します。 対象フィールドと予測フィールドの線型の関係が適切である場合、ニューラル・ネットワークの結果から従来の線型モデルの結果を見積もります。 非線型の関係がより適切である場合、ニューラル・ネットワークは自動的に「適切な」モデル構造を見積もります。
この柔軟性における矛盾点は、ニューラル・ネットワークが容易に解釈できないという点です。 対象フィールドと予測フィールドの関係を構築する基底プロセスを説明しようとする場合、従来の統計モデルを使用することが適しています。 ただし、モデルの解釈が重要でない場合、ニューラル・ネットワークを使用して適切な予測を取得できます。
フィールドの要件: 少なくとも 1 つの対象フィールドと、1 つの入力フィールドが必要です。 「両方」または「なし」が設定されているフィールドは無視されます。 対象フィールドまたは予測フィールド (入力) に測定の尺度の制限はありません。
モデルの構築中にニューラル・ネットワークに割り当てられる初期の重み (そのため、生成される最終モデル) は、データ内のフィールドの順序に依存します。 Watsonx.ai は、トレーニングのためにニューラル・ネットワークにデータを提示する前に、データをフィールド名で自動的にソートします。 これは、ランダム・シードがモデル・ビルダーで設定されている場合、データ上流のフィールドの順序を明示的に変更しても、生成されるニューラル・ネット・モデルは影響を受けないことを意味します。 ただし、ソート順を変更するように入力フィールド名を変更した場合、ランダム・シードがモデル・ビルダーで設定されていても、異なるニューラル・ネットワーク・モデルが生成されます。 フィールド名のソート順が異なっていても、モデル品質は大きな影響は受けません。