Page 66 - 4703

тичний і графічний інструментарій системи включає гістогра-
ми, матриці і графіки помилок для усієї сукупності і за окре-
мими спостереженнями, підсумкові дані про правильну і не-
правильну класифікацію, а усі важливі статистики - напри-
клад, доля поясненої дисперсії - обчислюються автоматично.
Із засобів візуалізації даних в програму STATISTICA
Neural Networks вбудовані діаграми розсіяння і тривимірні
поверхні відгуку, що допомагають користувачеві зрозуміти
"поведінку" мережі. Природно, усю подібну інформацію ви
можете експортувати у файл, буфер обміну або безпосередньо
в систему STATISTICA для наступного включення в звіти, по-
дальшого аналізу і перетворення до зручнішого виду.
STATISTICA Neural Networks автоматично запам'ятовує
кращий варіант мережі з тих, які ви отримували, експеримен-
туючи над завданням, і до нього можна звернутися у будь-
який момент. Корисність мережі і її здатність до прогнозуван-
ня автоматично перевіряється на спеціальній контрольній без-
лічі спостережень, а також шляхом оцінки розмірів мережі, її
ефективності і ціни неправильної класифікації. Реалізовані в
STATISTICA Neural Networks автоматичні процедури кросс-
перевірки і регуляризації ваг по Вигенду дозволяють швидко
з'ясувати, чи являється мережа недостатньо або, навпаки, за-
надто складною для цього завдання.
Для поліпшення якості отримуваної мережі в пакеті
STATISTICA Neural Networks реалізований ряд додаткових мо-
жливостей налаштування параметрів. Так, можна задати лі-
нійний вихідний шар мережі в задачах регресії або функцію
активації типу софтмакс в задачах імовірнісного оцінювання і
класифікації. Якщо у ваших даних багато викидів, то при на-
вчанні мережі можна замінити стандартну функцію помилок
менш чутливою функцією помилок "міських кварталів".

66