Решение задачи кластеризации с помощью карты Кохонена в нейропакете NeuroShell2

Теперь настало время воспользоваться модулем Предсказание результатов скачек - постобработка, чтобы "свернуть" файл. Необходимо дважды щелкнуть по значку Дополнения в столбце Постобработка Системы для профессионала, а затем по значку Пакет для предсказания результатов скачек.

Модуль постобработки для предсказания результатов скачек внешне выглядит так же, как модуль предобработки. Однако, здесь по умолчанию уже установлены все правильные параметры, которые были введены ранее в модуле предобработки. Поэтому все, что следует сделать, это выбрать из меню Обработка пункт Начать обработку (свернуть).

Результатом работы является файл, в котором вся информация об одном заезде собрана в одной строке таблицы. Предсказанные сетью результаты для каждой лошади в паре комбинируются таким образом, чтобы дать ожидаемое место для каждой лошади в заезде.

Теперь можно посмотреть на новый.OUT файл, который теперь снова содержит всю информацию в той же форме, в которой она была представлена в исходном файле данных до развертывания.

Задание:

1. В качестве индивидуального задания в данной лабораторной работы необходимо воспользовавшись «Системой для профессионала» нейропакета NeuroShell2 выполнить индивидуальные задания из лабораторных работ 1 и 2.

2. Сравнить результаты, сделать выводы о возможности использования двух нейропакетов.

3. Оформить отчет, в котором отобразить особенности выполнения индивидуальных заданий в нейропакете NeuroShell2.

Решение задачи кластеризации с помощью карты Кохонена в нейропакете NeuroShell2

Содержание:

1. Создание карты Кохонена в «Системе для профессионала»

2. Задание

В меню File®New Problem создадим новый файл и сохраним его как som.dsc

Рис. 1. Начало работы

Выберем Advanced Neural Networks (Систему для профессионала) и введем данные о размерах дохода и запрашиваемого кредита из файла Коchonen.xls Всего 66 записей.

Построим сеть Кохонена (Build Neural Network)

Сеть Кохонена имеет только входы, поэтому зададим входы, воспользовавшись Define Inputs/Outputs

Рис.2 Задание входов и выходов.

 

Рис. 3 Формирование файла с исходными данными (som.pat)

 

Для формирования сети Кохонена воспользуемся меню Design и выберем Сеть ® Самоорганизующейся карты Кохонена. Это сеть, обучающаяся без учителя, т.е. сеть, которая может учиться без предъявления правильных ответов на выходе. Такие сети способны разделять данные на указанное число категорий. Зададим число входов – 2 и число выходных нейронов – 4, предположительное число кластеров.

 

Рис. 4. Создание сети Кохонена.

 

С помощью меню Learning – обучим сеть группировать исходные данные в четыре класса. В результате обучения получим следующую группировку

Рис. 5 Группировка исходных данных в кластеры

 

С помощь Atach Output File сформируем выходной файл som.pat, просмотрим его с помощью меню Data Entrry.

Рис. 6 Формирование файла с выходными данными (som.out)

Для содержательной интерпретации полученных результатов выходные данные необходимо переписать в файл Коchonen.xls.

По результатам можно построить следующие графики

 

 

 

Задание:

1. Предложить свой вариант данных для кластеризации, пользуясь данными Государственной службы статистики Украины (http://www.ukrstat.gov.ua/). Построить график в Microsoft Exсel или Open Office Calc

2. Разработать содержательную постановку задачи кластеризации

3. Используя пример из лабораторной работы, сконфигурировать нейронную сеть и обучить ее с помощью подготовленных данных.

4. Получить результат кластеризации.

5. Построить графики на основании исходных данных и полученных в результате кластеризации с помощью средств Microsoft Exсel (Open Office Calc).

6. Оформить отчет, в котором отобразить с 1-5 пункты задания.