Page 83 - 4703
P. 83

що у одного з цих класів, який приймається, активація вища,
           ніж поріг прийняття - Accept threshold а в інших, що відхиля-
           ються - нижче порогу відкидання  - Reject threshold. Тоді пе-
           редбачений клас визначається єдиним чином. У інших випад-
           ках з’явиться прогноз "unknown".
                Виберіть  Thresholds  tab  в  IPS,  далі  виберіть опцію  Use
           the  thresholds  specified  below  і  потім  встановите  поріг  прий-
           няття  -  Accept  threshold  на  0.9  і  поріг  відкидання  -  Reject
           threshold на 0.1.
                Клацніть кнопкою OK. Коли відкриється діалог Results,
           клацніть кнопкою Descriptive statistics.
                У таблиці Classification ви побачите що навпроти деяких
           записів тепер з'явився рядок  "unknown» (усі  вони являються
           об’ектами  з  накладеними  розподілами).  Відновите  аналіз,  і
           клацніть кнопкою Predictions в діалозі Results.
                Ви побачите, що у деяких випадків тепер є чистий осере-
           док  виходу.  Чистий  осередок,  показує,  що  прогнозний  клас
           функцією  постобробки  мережі  був  класифікований,  як
           "unknown"   .
                Ви  завжди  можете  досліджувати  рівні  довіри  мережі,
           вибираючи  діалог  Results  і  кнопку  вибору  рівнів  довіри  -
           Confidence levels в Prediction type(s) shown. Зробіть це, і потім
           клацніть кнопкою Predictions.
                Рівні  довіри  дають  можливість  для  детальнішого  нама-
           цування класифікації індивідуальних випадків, особливо тих,
           по яких є деякі сумніви, і для деяких типів  мереж (наприклад,
           багатошаровий  (multilayer)  perceptron,  який  навчається  з
           конфігурацією,  за  умовчанням  призначеною  Intelligent
           Problem Solver) вони можуть інтерпретуватися, як ймовірність.
                Змінюючи поріг надійності класифікації,  ви можете до-
           слідити мережі з різними співвідношеннями між помилковими
           позитивними і помилковими негативними помилками. З поро-
           гом  класифікації  0,  усі  випадки  класифіковані  як  клас  два,  і
           таким чином, є максимумом помилкових позитивних і відсут-
           ность  помилкових  негативних  помилок;  з  порогом  1  -  вірні
           протилежні  виводи.  Крива  ROC  curve  (Receiver  Operating
           Characteristic  curve)  підсумовує  увесь  діапазон  роботи  кла-
           сифікації класифікатора з двома класами без сумнівних випад-
           ків. Вісь Y показує чутливість мережі (пропорція позитивних
           випадків,  що  правильно  класифіковані),  і  вісь  X  -  одиниця

                                          83
   78   79   80   81   82   83   84   85   86   87   88