Боровиков В.П. - Нейронные сети (778916), страница 64
Текст из файла (страница 64)
Для каждой выборки прогноз модели сравнивается с наилучшим, найденным на предыдуших итерациях. Если новый прогноз оказывается лучше, то он принимается в качестве наилучшего. Процесс повторяется до тех пор, пока не будут выполнены все итерации. Для извлечения выборок сеиазчный метод производит сеточное разбиение пространства независимых переменных. Границы сетки определяются начальными и конечными значениями независимых переменных. Сложность вычислений определяется не только начальными и конечными значениями, по н длиной шагов, необходимых для переме~цення из одного положения в пространстве независимых переменных в другое. Метод случийного поиска извлекает выборки из пространства независимых переменных случайным образом в виде равномерно распределенных случайных величин с заданными средним значением и дисперсией.
Модуль оТАТБТ!СА Оптимизация отклика позволяет использовать этн методы для оптимизации отклика прогностических моделей в рамках проведения одного анализа. Модели могут оптимизироваться либо поодиночке, либо объединяться в ансамбли. Последняя возможность позволяет рассматривать группу моделей как ансамбль. Начнем с пошагового примера задачи регрессии, в которой в качестве зависимой переменной рассматривается средняя цена на жилье в Бостоне. Воспользуемся стандартным набором данных нз файла ВозГопНоияпд.з!а, имеющегося в папке оТАГ!БТ!СА (табл.
11.3). Всего в файле 506 наблюдений и 12 факторов, влияющих на цену. Зависимость между ценой жилья и перечисленными факторами сложная, поэтому были использованы нейронные сети. На приведенном наборе данных было обучено несколько нейронных сетей для предсказания цен на жилье. Рассмотрим обратный вариант. Пусть риэлтор располагает приведенными выше данными, а также несколькими нейросетевыми моделями, обученными предсказывать цены на жилье.
Задача состоит в том, чтобы найти дом, уловлетворяюший финансовым возможностям клиента, а также его пожеланиям относительно качества жилья (например, определенный уровень преступности, уровень содержания окиси азота, удаление от места работы и т.п.). Необходимо найти набор квартир, удовлетворяющий данным свойствам, стоимость которых будет соответствовать сумме денег, имеющейся у покупателя. Нейронные сети. ЗТАТ!ЗТ!СА пеша! Неаеогхз Таблица !13 Переменные анализа (факторы„влив!о!!!не на цену жилья) Сгппс Ка!е Уровень преступности па душу населения Ксябспба! 1.апб 2опс Д.
°, „у...,, ...„,.25~.. фут,. Хоп-ге1аТ Вцыпеьз асгсз Доля земли, не предназначенной для розничной продажи (деловая застройка) СЬаг!сз К!чсг Переменная равна 1, если участок граничит с рекой, и 0 — если нет Концентрация вредных всшссгв (окись азата, деленная на 10 ) Кйпс Ох!бс Срсднсе число комнат, приходящееся на одного жителя Ачсгадс Коогпз Оп'пег Осси !ег! 1)п!1з П!ззапсс го Ешр!оугоепг Доля частных строений, построенных до 1940 г. Взвешенная сумма расстояний до пяти основных деловых центров Бостона Ассеаз!Ь!1! го Н!дЬтгауз Показатель д па к основным магистралям Значение наяога на собственность, деленное на 10 тыс. долл. Ргоре Тах Кагс Соотношение Ученик-Учитель по городу Процент населения, находящегося за чертой бедности Рпрй-ТсасЬег Кайо % оП.он сг 8!а!па Ча!це оГосспр!еб Ьогпез Средняя стоимость частных домов 1тыс, долл.) КЙ~;,Й ь ' .
'.а .! ое!««ы «ее ч«««е««ьзн«« еьг )з«««! ны««««|к«1 в во~ Рнс. 1120. Стартовая панель оптимизация отклика 356 Шаг 1. Открытие файла данных и загрузка нейросетевых моделей. Нажмите Открыть в меню Файл и в появившемся диалоговом окне укажите файл ВозчопНоизгщзга.
Этот файл можно найти в директории 1Ехатр1ез1Ра!азегз о ТАГ!о Т1ь.л. Затем выберите метод Оптимизация отклика в меню Лнализ— Добычи данных е управленц!! качеством, чтобы вызвать стартовую панель метода Оптимизация отклика (рис. 11.20). Гпааа 11. добыча данных В ЗТАТ)8Т(С)а Нажмите кнопку Загрузка моделей — Еоа(1 тосгеЬ, чтобы загрузить нейросетевые модели, хранящиеся в хщ1-файлах в папке Ехатр1езЮагазеге: С1Т ИИ Воьто?ТНоизглй!.хт1 СКИ?ч' ВозгопНоизгля2.хт1 СНАМИ ВозгопНоизгпяЗ.хпг! СКММ ВозголНоизгля4.хт! В файлах содержится описание обобщенно регресснонггых нейросетевых моделей, обученных предсказывать цены на жилье на описанном выше наборе данных. Ячпс! --', х ЧппэЫВВ Вес!ООНООВ ) Туре (Йаабесм Маэп .ЧВпепсо Ммспма,МВП!Вне! )СМ ОПМ ЧВВОЫП ппп ео ВО ( бенепбем сопоеыоне ЧаЬЭ О? Осснр1еб Ромео Срмв РМЭ Ромбом!а! (опб 2опв Йопм!Вб Вномаае оссае Йыс Опбэ Анес*9е Рооп е Оаам Осснр еб Опно О!Н)эпсе йп бей уме м сом АссеапЬЭ!Т!ОН!и В?е Рмро~~ Тм РМО РОРЬТвесьв! Роно %Ы!а е Ээ)йо Спапва Рпе! ьберепбвм (сменнмнэ) мбарепбепс (сом пахе) мберепбмн (соапном) мбвреыам (сопнпмме) мберэмем (соп!Пеона) мберепим (сом!Пнас!) нс4ерепбем (сом ооон!) !пбврепбем (соммноон) мберапбем ссоммноне) мберепбеп! (сопппноно) мберемап! (сопопоем) мберемам (са!Врнпсао 3Р! !!жв 11,1 ~ 09947 62646 ВВ 9749 3,7960 9,9494 ВОВ,2372 16.4976 12 9631 2 0 ОП)а О ПСО О,хв) 37610 2ЯО3 1,! 2% !ПХЮ !В?ПХО !ганю ! ?ХО 10ОПХЮ ! 2?74П? 0 6710 9,7ЮЗ НОПХО 12 !зоб 24 ОХО 711 ДХР 22ПХО 3? Р?П) 64394 4746 ОР1 049 79236 ?баг 2640476 4М а!99 Рпс.
11.21. Таблппа Описательные стптистики перемеппьгх 357 Шаг 2. Просмотр описательных статистик. При загрузке моделей модуль Оптимизация отклика установит значения по умолчанию. Эти значения вычислены на основе статистик соответствующих переменных, таких, как среднее, дисперсия, минимум и максимум. Например, значение желаемого отклика (вкладка Быстрый) задается равным среднему значению отклика. Аналогично, для задания начального приближения, величины шага, минимального и максимального значений для симплекс-метода — вкладка Симплекс н вкладка Исследование модели — используются описательные статистики независимых переменных.
Возможно, при проведении анализа вам потребуется изменить некоторые значения. Например, может потребоваться изменить значение желаемого отклика. Это также легко сделать. Некоторую полезную информаци)о можно найти в таблице описательных статистик переменных.
Чтобы ее построить, нажмите кнопку Переменные — 1?аггаЫез стартовой панели модуля Оггтимизация отклика. Таблица с описательнымц статистиками появится на экране 1рис. 11.21). Неаронные сев!о. ЯТАТ!ЗТ!СА Неога! НеГггогаа Минимумы н максимумы переменных помогагот в задании настроек симплекс, сел!очного и случайного алгоритмов поиска. Положив минимум и максимум симгглекс-мел!ода равными минимуму и максимуму соответствующих переменных, заключаем область поиска симплекс-мепгода в границы обучающего множества.
Такое ограничение важно, поскольку оптимизация за пределами обучающем множества может привести к ненадежным результатам, Шаг 3. Настройка параметров. Наша задача — определить возможные характеристики дома, который покупатель в состоянии приобрести на имеющиеся у него средства. Предположим, что нмеюшаяся сумма составляет 20 тыс.
долл. Это означает, что мы должны установить в поле Искать заданное значение — Зеек гагйег на1ие значение 20. Далее нажмем кнопку Оптимизировать на Стартовой панели, чтобы запустить процедуру симплекс-метода. В процессе работы алгоритма на экране будет находиться индикатор состояния, на котором показано название обрабатываемой модетпг и номер итерации.
Шаг 4. Анализ результатов. После окончания работы алгоритма поиска будет выведен ряд таблиц и графиков, на последнем из которых изображена зависимость предсказаний моделей (ось У) от номера итерации (ось Х) (рис. 11.22). По графикам (по одному на каждую модель) можно определить„ сколько итераций потребовалось для сходимостн алгоритма. Рггс.
1122. Зааисимость отклика от номера итераций 358 Глава 11, цобыча данных в ВТАТ18Т!СА внна с.ь и» ммвсо синс пав! Овраивипвп» ЭЙмносс равна вв н н" 200 Оиии Ваавми вип64 эиии сиспнс апэс опии Всс' ° нммэ2 10иии Вмвсннивиз Р а41спа а 1 Ривнааа ' Риэсоапс ! Р ам на Пап Мн 2007 1996 1997 20.1 6 1996 ЮЗЭ 20,13 1991 Ю99 19 46 Ю,32 19,92 19 99 19 91рсо Рис.
11.23. Таблица итераций симплекс-поиска Рыс. 11.24. Таблица результатов симплекс-поиска В численном виде информация представлена в таблице (рис. 11.23). Итоговые результаты демонстрирует рис. 11.24. ПРИМЕР 4. Оптимизация оп1кпика в промышпенных припожениях Имеется некоторая промышленная установка с параметрами: температура, давление и т.д. На выходе установки получается конечный продукт, который должен иметь определенные показатели: влажность, процент примесей и др. Зависимость между параметрамитехнологическогопроцесса и качссгвом продукта иа выходе носит нелинейный характер.
Требуется указать параметры установки, при которых продукт на выходе имеет заданные показатели качества. Исходный файл данных показан на рис. 11.25. В этом файле зависимой переменной является влажность, независимые переменные — температура, давление. Данные носят модельный характер, переменные измерены в условных единицах. Зависимость между переменными носит сложный нелинейный характер, поэтому вначале используем нейронные сети для построения зависимости 1 !2 1з 1 ° ,6 16 '7 ',Э 9 ю !т!' 12 1З 14 16 19 79 19 29 7979 19 73 Ю 71 1999 1996 !936 1993 19ЗВ 19!Э 19 70 ЮО1 ЮЗО 19 94 и !9310 Ю 13403 Эз 13044 23 О%И ЮР1Э% Юззсю зои Юр Ю 2ЖО 33 19910 196%23 ЮОХЭЭ юосао 19 90331 13979И Ю ИО77 2О 1ИЫ7 20 16ИВ 20.%112 ю орсо! Ю7ЫЮЗ 23 2%ПИ 2006294 Л! 4749 из!За Нзоис юосюс эннзн И,931 62 1с Э сюс Нейронные согни.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
