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
   71   72   73   74   75   76   77   78   79   80   81