Боровиков В.П. - SNN Нейронные сети, страница 3

Дляноминальных переменных существуют специальные методы преобразованиязначений, а тип выходных переменных позволяет отличить задачи классификации(где используются номинальные переменные) от задач регрессии (где используютсячисловые переменные). Переменная может быть либо числовой, либо номинальной,но не то и другое вместе.Чтобы определить номинальную переменную в пакете STATISTICA Нейронныесети нужно выбрать эту переменную как категориальную (либо на вкладкеБыстрый, нажав кнопку Переменные, либо перейти на вкладку Дополнительно инажать кнопку Тип переменной).При импорте файлов с разделителями – знаками табуляции или запятыми, вслучае, если они содержат номинальные значения (представленные строкамитекста), программа STATISTICA Нейронные сети автоматически распознает их исама определяет нужные номинальные значения.Добавление и удалениенаблюдений и переменныхДобавлять, удалять, копировать и перемещать наблюдения и переменныеможно с помощью меню Данные или непосредственно в таблице.

Различныекоманды меню Данные–Переменные и Данные–Наблюдения помогают достичьбольшей эффективности, а средства работы с таблицей непосредственно болееудобны в работе.Добавить новые наблюдения можно двумя способами:1. Выделить какое–либо наблюдение. Щелкнуть левой кнопкой мыши назаголовок этого наблюдения и выбрать Добавить наблюдения. Можно поступить итак: зайти в меню Данные → Наблюдения → Добавить.2. Наблюдения можно вставлять и из буфера обмена. Для этого небходимощелкнуть левой кнопкой мыши на название того наблюдения или переменной, вкоторую мы хотим вставить данные.Чтобы удалить наблюдение или группу наблюдений, нужно обычным образомвыделить их через заголовки строк, а затем нажать Ctrl+X. На самом деле при этомнаблюдения будут помещены в буфер обмена, поэтому если вы переместите курсорв другое место и нажмете Ctrl+V, наблюдения будут помещены на место курсора, ас помощью сочетаний клавиш Ctrl+С и Ctrl+V наблюдения можно копировать ивставлять. Перемещение и копирование переменных осуществляется аналогично.Пропущенные данныеВ модуле STATISTICA Нейронные сети имеются специальные средства дляобработки пропущенных данных, которые аналогичны используемым в остальныхмодулях STAT1STICA.Несмотря на то, что программа STATISTICA Нейронные сети может работать спропущенными данными, подставляя вместо них разумные оценки, тем не менее,как при обучении сети, так и при ее работе не рекомендуется использоватьпропущенные значения, если есть такая возможность.

Хотя бывает, что объемимеющихся обучающих наблюдений слишком мал, и мы вынуждены использоватьвсе имеющиеся наблюдения. Программа STATISTICA Нейронные сети можетавтоматически помечать все переменные или наблюдения, содержащиепропущенные данные, как неучитываемые (чтобы они не использовались прианализе). Что именно будет объявляться неучитываемым – наблюдения илипеременные – определяется выбором пользователя. Если у какой–то из переменныхслишком много значений пропущено, то ее, быть может, стоит исключить израссмотрения.

Если же у переменной отсутствует всего несколько значений, имеетсмысл объявить неучитываемыми соответствующие наблюдения. Можнорекомендовать следующую последовательность действий: сначала объявитьнеучитываемой переменную и просмотреть, сколько значений на самом делеотсутствует.

Если таких строк немного, то снова сделать переменную входной, анеучитываемыми объявить наблюдения.В импортируемом файле с разделителями – знаками табуляции или запятыми– пропущенные данные могут обозначаться пропуском.СЕТИВведениеПосле того, как создан или импортирован набор данных, можно приступать кпостроению и обучению нейронных сетей. Сеть пакета STAT1STICA Нейронныесети может содержать слои для пре– и постпроцессирования, в которыхсоответственно исходные данные преобразуются к виду, подходящему для подачина вход сети, а выходные данные – к виду, удобному для интерпретации.

При этомноминальные значения преобразуются в числовую форму, числовые значениямасштабируются в подходящий диапазон, производится подстановка пропущенныхзначений, а в задачах с временными рядами – формирование блоковпоследовательных наблюдений. Данные пре– и постпроцессирования включаютнабор входных и выходных переменных, для каждой из которых указывается ее имяи тип, как в исходном наборе данных.Замечание о входныхи выходных переменныхНабор входных и выходных переменных в пакете STATISTICA Нейронныесети существует отдельно от файла данных.

Чтобы упростить процедурупостроения сети, программа STATISTICA Нейронные сети автоматически копируетимена и определения переменных из набора данных в создаваемую сеть, а затемотделяет сеть и данные друг от друга. Благодаря этому сеть можно будетиспользовать для анализа новых данных, не обращаясь к исходному файлу(поскольку сеть помнит имена и типы своих переменных, она будет знать, чтоделать).Построение сетиЧтобы создать новую сеть, следует воспользоваться инструментом Мастеррешений или Конструктор сетей.

В последовательности диалоговых окон Мастерарешений и Конструктора сетей имеются средства для задания и редактированияпараметров переменных пре– и постпроцессирования. Предварительно, конечно,необходимо определить переменные и выбрать для них подходящий методпреобразования, а также архитектуру сети.Чтобы перейти к диалогу задания параметров анализа необходимо настартовом окне нажать кнопку ОК. В зависимости от того, каким инструментом мыпользуемся, опция по выбору типа сети будет на вкладке Тип сети (для Мастерарешений) или на вкладке Быстрый (Конструктор сетей).

Если решается задачамоделирования временного ряда, то при использовании любого инструмента будетдоступна вкладка Временные ряды. В Мастере решений на этой вкладкеустанавливаются границы для окна прогноза (т.е. числа наблюдений, которыеиспользуются для прогнозирования на одно наблюдение вперед). В Конструкторесетей на данной вкладке доступны опции для задания точного значения окнапрогноза и параметр количества шагов вперед. В задачах, не связанных свременными рядами, данные опции недоступны. В задачах анализа временныхрядов количество шагов вперед берется равным 1 или больше (чаще всего 1, чтосоответствует прогнозу на один шаг вперед), а временное окно – числу предыдущихзначений ряда, по которым будет прогнозироваться его следующее значение.

Крометого, в задачах анализа временных рядов перед запуском соответствующегоинструмента следует выбрать переменную, содержащую значения временного ряда,как входную и выходную одновременно, поскольку вы собираетесь предсказыватьследующие значения переменной по ее же предыдущим значениям.Если строится многослойный персептрон, то можно менять число слоев всети; для сетей других типов этот параметр менять нельзя (за одним исключением:вероятностная сеть может состоять из трех или четырех слоев в зависимости от того,входит ли в нее матрица потерь).В опции Правка (доступна для инструмента Конструктор сетей в диалогезадания параметров сети) выдается информация о переменных пре– ипостпроцессирования, включая их имена и определения, а также функциюпреобразования, которая используется для подготовки данных к подаче на входнейронной сети.

Можно менять способ подстановки пропущенных значений иуправляющие параметры преобразования. Как правило, предлагаемые поумолчанию значения оказываются вполне подходящими. В этом же диалогепоказаны текущие параметры архитектуры сети: число элементов в каждом слое и(если прокрутить таблицу вправо) ширина слоев. Количество входных и выходныхпеременных обычно жестко связано с числом входных и выходных переменныхпре– и постпроцессирования, функцией преобразования и (в задачах анализавременных рядов) размером временного окна. Программа STATISTICA Нейронныесети сама определяет соответствующие параметры и выводит их серым цветом,показывая тем самым, что редактировать их нельзя.

Количество промежуточныхслоев можно менять произвольно по своему усмотрению, однако обычно программапредлагает для них эвристически определенные разумные значения по умолчанию.Ширина слоя не несет никакого функционального смысла за исключениемвыходного слоя сети Кохонена и, как правило, игнорируется.Для того чтобы создать сеть, имея уже загруженный набор обучающихданных, обычно бывает достаточно:1) Задать типы переменных в стартовом окне (Входные или Выходные).2) Выбрать тип сети и временные ряды.3) Задать значения параметров Временное окно и Прогноз вперед (только взадачах анализа временных рядов).4) Задать число слоев (только для многослойных персептронов).5) Задать число скрытых элементов (если используется Конструктор сетей).6) Задать число элементов и ширину выходного слоя (только для сетейКохонена).7) Нажать ОК.Редактирование сетейПосле того, как сеть построена, ее конструкцию можно изменять с помощьюинструмента Редактор моделей.

При этом менять можно все параметры,использованные при ее построении, а также ряд дополнительных характеристик.Инструмент также позволяет менять имена и определения входных и выходныхпеременных, их функции и параметры преобразования и методы заменыпропущенных значений. Также здесь имеются возможности для добавления новых иудаления уже существующих переменных и изменения параметров временного ряда(Временное окно и Прогноз вперед).

Этими возможностями пользуются редко.Кроме того, редактор пре– и постпроцессирования дает возможность менятьпараметры классификации, которые не задаются при построении сети, в то времякак при работе может возникнуть необходимость их корректировки.Значения параметров классификации используются только при решении задачклассификации, т.е.

когда, по крайней мере, одна из выходных переменных являетсяноминальной. При работе сети программа STATISTICA Нейронные сети принимаетрешение по классификации, основываясь на значениях этих выходных переменных.Так, если имеется номинальная выходная переменная с тремя возможнымизначениями и применяется кодирование 1–из–N, программа должна решать, следуетли, например, трактовать выходной вектор (0,03;0,98;0,02) как принадлежность ковторому классу (рис.

9.5).Рис. 9.5Этот вопрос решается заданием порогов принятия и отвержения. Прикодировании методом 1–из–N решение о классификации принимается, если одно изN выходных значений превысит порог принятия, а остальные окажутся ниже порогаотвержения; если это условие не выполняется, то результат считаетсянеопределенным (и выдается как пропущенное значение). При установленных впрограмме по умолчанию значениях порога принятия (0,95) и отвержения (0,05)приведенный выше пример действительно будет отнесен ко второму классу. Выборменее жестких порогов даст более результативную классификацию, но можетпривести к большему проценту ошибок.Способ интерпретации значений параметров Принять и Отвергнуть зависитот типа сети.