Продукты STATISTICA

Первые шаги в STATISTICA Automated Neural Networks (SANN)

Ниже мы представляем цепочку диалоговых окон в S TATISTICA Automated Neural Networks (SANN) и покажем, как организован диалог с пользователем системы.

Обратим внимание на удобный интерфейс и наличие инструментов Автоматизированная нейронная сеть (АНС), Пользовательская нейронная сеть (ПНС) и Метод многократных подвыборок, позволяющих пользователям конструировать собственные сети и выбирать наилучшие.

Итак, прежде всего, запустим нейронные сети.

Шаг 1. Вы начинаете со стартовой панели (посмотрите на рис. 1).

В данной панели вы можете выбрать различные виды анализа, которые Вам необходимо выполнить: регрессию, классификацию, прогнозирование временных рядов (с непрерывной и категориальной зависимой переменной), кластерный анализ.

Рис. 1. Стартовая панель STATISTICA Automated Neural Networks (SANN)

Выберите, например, Временные ряды (регрессия), если вы хотите построить прогноз, или Классификация, если решается задача классификации.

Нажав кнопку ОК, перейдем к диалоговому окну выбора данных.

Диалоговое окно Нейронные сети – Отбор данных - вкладка Быстрый

Рис. 2. Диалоговое окно Нейронные сети – Отбор данных - вкладка Быстрый

Шаг 2. На вкладке Быстрый следует выбрать необходимые переменные для анализа. Переменные могут быть непрерывными и категориальными, зависимыми и независимыми; кроме того, наблюдения могут принадлежать разным выборкам.

Рис. 3. Окно выбора переменных

Далее следует выбрать стратегию построения нейронной сети.

Для начинающих пользователей рекомендуется выбирать стратегию Автоматизированная нейронная сеть (АНС). Опытный пользователь может с легкостью использовать любую доступную стратегию: Автоматизированная нейронная сеть (АНС), Пользовательская нейронная сеть (ПНС) и Метод многократных подвыборок. Мы выберем Автоматизированная нейронная сеть (АНС).

Диалоговое окно Нейронные сети – Отбор данных - вкладка Быстрый

Рис. 4. Диалоговое окно Нейронные сети – Отбор данных - вкладка Быстрый

На вкладке Подвыборки (ПНС и АНС) следует задать желаемое разбиение данных на подвыборки: обучающую, контрольную и тестовую. Разбиение можно задавать случайным образом, а можно фиксировать с помощью дополнительной переменной кодов.

В данном случае будем использовать случайное разбиение.

Диалоговое окно Нейронные сети – Отбор данных - вкладка Подвыборки (АНС и ПНС)

Рис. 5. Диалоговое окно Нейронные сети – Отбор данных - вкладка Подвыборки (АНС и ПНС)

Вкладка Подвыборки (ПНС и АНС) предназначена для первых двух стратегий: Автоматизированная нейронная сеть (АНС) и Пользовательская нейронная сеть (ПНС); а вкладке Создание подвыборок используется для последней стратегии: Метод многократных подвыборок.

Нажимаем ОК и переходим к шагу задания параметров архитектуры.

Шаг 3. На вкладке Быстрый диалогового окна Автоматизированные нейронные сети необходимо указать тип сети, количество скрытых нейронов, количество обучаемых и сохраняемых сетей, а также тип используемых функций ошибок.

Программа предлагает следующие типы сетей: многослойные персептроны и сети радиальных базисных функций.

Диалоговое окно Автоматизированные нейронные сети - вкладка Быстрый

Рис. 6. Диалоговое окно Автоматизированные нейронные сети - вкладка Быстрый

Далее на вкладке Функции активации для МЛП задаются типы функций активаций, которые мы хотим использовать в различных нейросетевых моделях на разных слоях многослойных персептронов.

Диалоговое окно Автоматизированные нейронные сети - вкладка Функции активации для МЛП

Рис. 7. Диалоговое окно Автоматизированные нейронные сети - вкладка Функции активации для МЛП

На вкладке Затухание можно включить опцию регуляризации весов, которая будет регулировать сложность обучаемых сетей. Это полезно, когда задача имеет большое число входных переменных, а также задано большое число нейронов на скрытом слое.

Но в нашем случае мы это использовать не будем.

Диалоговое окно Автоматизированные нейронные сети - вкладка Затухание

Рис. 8. Диалоговое окно Автоматизированные нейронные сети - вкладка Затухание

Теперь можно перейти к шагу обучения нейронных сетей.

Шаг 4. Запустите процедуру обучения нейронных сетей, нажав кнопку ОК.

В диалоговом окне, приведенном на рис. 9, отображается некоторая информация о текущей обучаемой нейронной сети. Мы можем анализировать архитектуру сети, смотреть за ходом итераций алгоритма и фиксировать ошибки моделей. Для регрессии используется среднеквадратичная ошибка, для классификации используется процент правильной классификации наблюдений (как в нашем случае).

Диалоговое окно Обучение нейронной сети

Рис. 9. Диалоговое окно Обучение нейронной сети

Программа автоматически переходит к следующему шагу.

Шаг 5. Анализ результатов. В окне результатов вы можете проанализировать полученные решения. Программа отберет лучшие сети и покажет качество решения.

Диалоговое окно Нейронные сети - Результаты - вкладка Быстрый

Рис. 10. Диалоговое окно Нейронные сети - Результаты - вкладка Предсказанные

Можно выбрать определенную сеть, лучшую на наш взгляд, с помощью кнопки Выбрать/Снять сети.

Диалоговое окно Активация модели

Рис. 11. Диалоговое окно Активация модели

Далее можно вывести всевозможные результаты и проанализировать их для выбранной сети.

Например, одним из способов проверки является сравнение наблюдаемых значений и предсказанных результатов. Сравнение наблюдаемых и предсказанных значений для выбранной сети, например, для обучающей и тестовой выборок.

Таблица наблюдаемых и предсказанных значений

Рис. 12. Таблица наблюдаемых и предсказанных значений

Или посмотреть матрицу ошибок классификации на тестовой выборке:

Матрица классификаций

Рис. 13. Матрица классификаций

Шаг 6. Сохраните лучшие сети с целью дальнейшего использования, например, для автоматического построения прогнозов.

Для дальнейшего запуска, сети сохраняются в формате PMML.

Диалоговое окно Нейронные сети – Результаты – Сохранение сетей

Рис. 14. Диалоговое окно Нейронные сети – Результаты – Сохранение сетей

Стандартное окно сохранения файла сети

Рис. 15. Стандартное окно сохранения файла сети

Шаг 7. Запуск сохраненных моделей на новых данных. Итак загружаем новые данные, но чтобы переменные совпадали с переменными в моделях.

Чтобы запустить модель на новых данных, можно на стартовой панели (рис. 1) выбрать опцию Загрузить модели из предыдущих анализов и нажить кнопу Загрузить сети.

Стандартное окно выбора файла сети

Рис. 16. Стандартное окно выбора файла сети

Получаем:

Стартовая панель STATISTICA Automated Neural Networks (SANN)

Рис. 17. Стартовая панель STATISTICA Automated Neural Networks (SANN)

После выбора необходимого файла, все настройки автоматически определяются, поэтому можно сразу переходить к окну результатов (нажимая два раза кнопку ОК) и анализировать полученные результаты.

Именно таков типичный сценарий исследования в пакете нейронные сети STATISTICA.