Dane wyjściowe (radialna funkcja bazowa)
Struktura sieci. Wyświetla informacje podsumowujące na temat sieci neuronowej.
- Opis. Wyświetla informacje o sieci neuronowej, w tym o zmiennych zależnych, liczbie jednostek wejściowych i wyjściowych, liczbę ukrytych warstw i jednostek oraz o funkcjach aktywacji.
- Diagram. Wyświetla diagram sieci w postaci nieedytowalnej. Należy zwrócić uwagę, że w miarę wzrostu liczby współzmiennych i poziomów czynników diagram staje się coraz trudniejszy do zinterpretowania.
- Wagi synaptyczne. Wyświetla oszacowania współczynników, które odzwierciedlają relację między jednostkami na danej warstwie a jednostkami na następnej warstwie. Wagi synaptyczne są oparte na próbie uczącej, nawet jeśli aktywny zbiór danych jest podzielony na dane uczące, testujące i wstrzymane. Należy zwrócić uwagę, że liczba wag synaptycznych może być duża, a te wagi co do zasady nie służą do interpretacji wyników działania sieci.
Wydajność sieci. Przedstawia wyniki służące do określania, czy model jest „dobry”. Uwaga: Wykresy w tej grupie są oparte na połączonej próbie uczącej i testującej lub tylko na próbie uczącej, jeśli nie ma próby testującej.
- Podsumowanie modelu. Przedstawia wyniki działania sieci neuronowej z podziałem na grupy danych oraz wyniki łączne, w tym błąd, błąd względny lub odsetek nieprawidłowych predykcji oraz czas uczenia.
Jest to błąd sumy kwadratów. Ponadto prezentowane są błędy względne lub odsetki nieprawidłowych predykcji, w zależności od poziomów pomiaru zmiennych zależnych. Jeśli którakolwiek zmienna zależna ma poziom ilościowy, to wyświetlany jest średni błąd względny ogółem (względem średniej modelu). Jeśli wszystkie zmienne zależne są jakościowe, wyświetlany jest średni odsetek nieprawidłowych predykcji. Błędy względne lub odsetki nieprawidłowych predykcji są także prezentowane w odniesieniu do poszczególnych zmiennych zależnych.
- Wyniki klasyfikacji. Zawiera tabelę klasyfikacji dla każdej jakościowej zmiennej zależnej. W każdej tabeli przedstawiona jest liczba obserwacji sklasyfikowanych prawidłowo i nieprawidłowo dla każdej kategorii zmiennej zależnej. Podawany jest także prawidłowo sklasyfikowany odsetek wszystkich obserwacji.
- Krzywa ROC. Przedstawia krzywą ROC (charakterystyka operacyjna odbiornika) dla każdej jakościowej zmiennej zależnej. Zawiera także tabelę z polami pod poszczególnymi krzywymi. Dla danej zmiennej zależnej wykres ROC zawiera po jednej krzywej dla każdej kategorii. Jeśli zmienna zależna ma dwie kategorie, to na każdej krzywej jej kategoria jest traktowana jako stan dodatni względem drugiej kategorii. Jeśli zmienna zależna ma więcej niż dwie kategorie, to na każdej krzywej jej kategoria jest traktowana jako stan dodatni względem agregacji wszystkich pozostałych kategorii.
- Wykres skumulowanej korzyści. Zawiera wykres skumulowanych korzyści dla każdej jakościowej zmiennej zależnej. Sposób prezentacji krzywych poszczególnych kategorii zmiennych zależnych jest taki sam, jak w przypadku krzywych ROC.
- Wykres przyrostu. Zawiera wykres przyrostu każdej jakościowej zmiennej zależnej. Sposób prezentacji krzywych poszczególnych kategorii zmiennych zależnych jest taki sam, jak w przypadku krzywych ROC.
- Wykres przewidywanych przez obserwowane. Zawiera wykres wartości przewidywanych wobec obserwowanych dla każdej zmiennej zależnej. W przypadku jakościowych zmiennych zależnych dla poszczególnych kategorii odpowiedzi wyświetlane są grupowane wykresy skrzynkowej przewidywanych pseudoprawdopodobieństw, z obserwowaną kategorią odpowiedzi jako zmienną grupującą. W przypadku ilościowych zmiennych zależnych wyświetlany jest wykres rozrzutu.
- Wykres reszt przez wartości przewidywane. Zawiera wykres reszt wobec wartości przewidywanych dla każdej ilościowej zmiennej zależnej. Między resztami a wartościami przewidywanymi nie powinno być widocznych zależności. Ten wykres jest generowany tylko dla ilościowych zmiennych zależnych.
Podsumowanie przetwarzania przypadku. Wyświetla tabelę podsumowania przetwarzania obserwacji, która podsumowuje liczbę obserwacji włączonych i wyłączonych z analizy, w sumie i według próby uczącej, testującej i wstrzymanej.
Analiza ważności zmiennych niezależnych. Przeprowadza analizę czułości, która oblicza znaczenie każdego predyktora dla wyznaczania sieci neuronowej. Analiza jest oparta na połączonej próbie uczącej i testującej lub tylko na próbie uczącej, jeśli nie ma próby testującej. W rezultacie powstaje tabela i wykres ważności oraz znormalizowanej ważności każdego predyktora. Należy zauważyć, że analiza czułości jest obliczeniowo kosztowna i czasochłonna, jeśli liczba predyktorów lub obserwacji jest duża.
Jak określić wyniki dla radialnej funkcji bazowej
Ta funkcja wymaga opcji Neural Networks.
- Z menu wybierz:
- W oknie dialogowym Radialna funkcja bazowa kliknij kartę Wyniki.