Page 76 - 4268
P. 76
класифікуюющихся спостережень. Тобто, чим ближче
продуктивність до одиниці, тим краще.
У підсумку, була відібрана мережу, з найкращою
продуктивністю, в сенсі максимального відсотка правильно
класифікованих спостережень.
Рисунок 7.20 – Параметри нейронної мережі – класифікатора
У вкладці Descriptive Statistics - Описові статистики
натиснемо однойменну кнопку. У результаті з'явиться таблиця
статистик класифікації. Стовпці цієї таблиці є спостережувані
класи, а рядки - передбачені класи. В ідеалі в цій матриці
діагональні елементи повинні бути відмінні від нуля, а всі інші
осередки - нульові. У такому випадку відсоток неправильно
класифікованих спостережень дорівнює нулю і продуктивність
мережі - 1. У нашому випадку, на одному із спостережень
нейронна мережа помилилася.
Рисунок 7.21 – Статистики класифікації.
Для того щоб визначити якого кластеру належить
багатовимірне спостереження, необхідно у вкладці Advanced -
Додатково натиснути кнопку User defined case - користувача
значення. У вкладці Quick - Швидкий діалогового вікна User
defined case prediction - Прогноз значень користувача необхідно
натиснути кнопку User defined input - Поставити вхідні значення.
76