신경망은 모델 구조 및 가정에서 최소의 요구를 가지고 있는 광범위한 예측 모델과 근사할 수 있습니다. 관계 양식은 학습 프로세스 동안 판별됩니다. 목표와 예측자 사이의 선형 관계가 적절한 경우, 신경망의 결과는 거의 전형적인 선형 모델의 결과와 근사해야 합니다. 비선형 관계가 더 적절한 경우, 신경망은 자동으로 "올바른" 모델 구조와 근사하게 됩니다.
이 신축성에 대한 절충은 신경망이 쉽게 해석 가능하지 않다는 것입니다. 목표 및 예측자 사이의 관계를 생성하는 기본적인 프로세스를 설명하는 경우, 한층 전형적인 통계 모델을 사용하는 것이 좋습니다. 그러나 모델 해석가능성이 중요하지 않으면, 신경망을 사용하여 좋은 예측을 확보할 수 있습니다.
필드 요구사항. 최소 하나의 목표와 하나의 입력이 있어야 합니다. 둘 다 또는 없음으로 설정된 필드는 무시됩니다. 목표 또는 예측자(입력)에 대해 어떤 측정 수준 제한도 없습니다.
모델 작성 동안 신경망에 초기 가중값이 지정되므로 데이터의 필드 순서에 따라 최종 모델이 생성됩니다. Watsonx.ai 는 훈련을 위해 신경망에 데이터를 표시하기 전에 자동으로 필드 이름별로 데이터를 정렬합니다. 즉, 데이터 업스트림에서 필드의 순서를 명시적으로 변경해도 모델 작성기에서 난수 시드가 설정될 때 생성된 신경망 모델에 영향을 미치지 않습니다. 그러나 정렬 순서를 변경하는 방법으로 입력 필드 이름을 변경하면 모델 작성기에서 난수 시드가 설정된 경우에도 다른 신경망 모델이 생성됩니다. 필드 이름에 다른 정렬 순서가 지정되어도 모델 품질에 유의적으로 영향을 미치지 않습니다.