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).
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.
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.
Программа предлагает следующие типы сетей: многослойные персептроны и сети радиальных базисных функций.
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.
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.
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).
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.
Рис. 10. Диалоговое окно Нейронные сети - Результаты - вкладка Предсказанные
Можно выбрать определенную сеть, лучшую на наш взгляд, с помощью кнопки Выбрать/Снять сети.
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.
Рис. 12. Таблица наблюдаемых и предсказанных значений
Или посмотреть матрицу ошибок классификации на тестовой выборке:
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.
Рис. 14. Диалоговое окно Нейронные сети – Результаты – Сохранение сетей
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.
Рис. 16. Стандартное окно выбора файла сети
Получаем:
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.
Авторские права на дизайн и материалы сайта принадлежат компании StatSoft Russia.
|
© StatSoft Russia |
StatSoft Russia – компания, зарегистрированная и действующая в соответствии с законами России, которые могут отличаться от законов других стран, имеющих офисы StatSoft. Каждый офис StatSoft является самостоятельным юридическим лицом, имеет право предлагать услуги и разрабатывать приложения, которые могут быть, а могут и не быть представлены в офисах StatSoft других стран. |