5)Вкладка Descriptive Statistics - Описательные статистики:

• нажмем одноименную кнопку

Включает 2 Таблицы:

- Confusion Matrix (Матрица ошибок)

- Classification (Таблица классификации)

Classification (Таблица классификации):

для каждого выходного класса (A,B,C) существуют несколько столбцов по каждой модели:

TYPE.C1 – данные о наблюдениях, относящихся к классу С в 1-й модели нейронной сети (НС)

TYPE.B1– данные о наблюдениях, относящихся к классу B в 1-й модели нейронной сети (НС)

TYPE.A1 - данные о наблюдениях, относящихся к классу A в 1-й модели нейронной сети (НС)

TYPE.C2 – данные о наблюдениях, относящихся к классу B в 2-й модели нейронной сети (НС)

TYPE.A2 - данные о наблюдениях, относящихся к классу A в 2-й модели нейронной сети (НС)

И т.д.

В 1-й строке (Total) - информация о количестве наблюдений, относящихся к разным классам во всех сохранённых моделях

во 2-й строке (Correct) - данные (для каждого класса) о количестве правильно классифицированных наблюдений.

в 3-й строке (Wrong) - данные (для каждого класса) о количестве неправильно классифицированных наблюдений.

В 4-й строке (Unknown) – данные о "неизвестных" наблюдениях

Confusion Matrix (Матрица ошибок):

- Столбцы этой таблицы - наблюдаемые классы

- Строки - предсказанные классы по каждой из сохранённых моделей нейронной сети.

Например:

Число 7 на пересечение столбца B и строки С2 означает, что 7 наблюдений класса В были опознаны как принадлежащие классу С во 2-й модели (т.е. неверно).

В идеале в этой матрице диагональные эл-ты д.б. отличны от нуля, а все остальные ячейки – нулевые.

Просмотр конфигурации сети.

Кнопка Select models (Выбор моделей) окна Results.

Появляется окно с 10-тью сохранёнными моделями.

Можно выбрать любую из них – кнопка ОК.

Далее – кнопка Advanced окна Results:

Кнопка Network illustration:

Рисунок 3-х - слойного персептрона.

Чтобы увидеть работу сети в режиме on-line:

Вводим в окошко Input case входные совокупности переменных (1-ю совокупность R1,R2,R3,R4; 2-ю совокупность R1,R2,R3,R4, … 10-ю и т.д. ), можно видеть в цветах, как персептрон определяет класс входной совокупности (подсвечивается один из 3-х выходов).

Можно на этой панели выбирать разные модели и смотреть на их конфигурации.

Использование сети для классификации новых объектов.

Чтобы определить класс нового многомерного наблюдения:

• Окно Results

• вкладка Advanced - Дополнительно - кнопка User defined case - Пользовательское значение

• появл-ся диалоговое окно User defined case prediction - Прогноз значений пользователя

Рис. Вид диалогового окна User defined case prediction - Прогноз значений пользователя.

• вкладка Quick - Быстрый - кнопка User defined input - Задать входные значения.

 

 

• Ввести значения ->OK -> возвратились в окно User defined case prediction

• нажать кнопку Predictions – Прогноз

• нейронная сеть выдаст номер класса, которому принадлежит заданный объект:

• Классификатор построен.

Чтобы задать последовательно несколько входных наблюдений, Делаем следующее:

• Окно Results

• вкладка Advanced - Дополнительно - кнопка User defined case - Пользовательское значение

• появл-ся диалоговое окно User defined case prediction - Прогноз значений пользователя

• вкладка Quick - Быстрый - кнопка User defined input - Задать 1 входные значения - ОК

• кнопка User defined input – Задать 2 входные значения – ОК

• кнопка User defined input - Задать 3 входные значения - ОК

• ……

• кнопка User defined input – Задать N-е входные значения - ОК

• нажать кнопку Predictions – Прогноз

• Нейронная сеть выдаст номера классов по всем введённым наблюдениям: