Интеллектуальный анализ данных в менеджменте. Кричевский М.Л. - 54 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

54
борки до 10% от всех имеющихся данных. Кроме того, выборка дол"
жна быть статистически репрезентативна используемой базе данных
или подчеркивать некоторые специфические признаки данных. Вы"
борочная методология может быть использована для определения
особенностей данных. Примером служит метод, который отбирает в
выборку данные, находящиеся на «хвостах» распределений. При этом
предполагается, что образы, представляющие интерес, распределе"
ны симметрично.
Идентификация выходных индикаторов. В зависимости от ис"
пользуемой парадигмы обучения необходимо выбрать один или бо"
лее выходных индикаторов. При супервизорном обучении предпола"
гается, что требуемый выход должен сравниваться с реальным выхо"
дом сети. Выбор выходных индикаторов обусловлен также типом
решаемой задачи. В случае, если целью системы является предсказа"
ние будущих цен, уровней продаж и т. п., то выходами сети должны
быть те же переменные. В системах прогнозирования важно выбрать
такие выходные показатели, которые соответствуют временному
окну, использованному для торговых операций. Например, если си"
стема торговли основана на ежедневной отчетности, то и предсказа"
ние должно быть сделано на этот же временной период.
В ситуации, если целью нейросетевой системы является распозна"
вание образов или классификация данных, то на выходе сети может
быть любое число индикаторов. Например, образы в исторических
данных могут быть связаны с образами в будущих данных. Важной
особенностью при выборе выходных индикаторов является способ,
который выявляет указанные образы, например, при делении исход"
ных данных на три класса на выходе сети должно быть три индика"
тора. Кроме того, при выборе индикаторов нужно учитывать способ"
ность нейронной сети к обучению: сеть с ограниченной емкостью (мало
нейронов в скрытом слое) не может обучиться сотням различных
предъявляемых ей образов.
Полезные выходные индикаторы могут быть разработаны на ос"
нове требуемого уровня прибыли, требуемой торговой стратегии
(например, длинная или короткая рыночные позиции, уровень по"
ворота кривой цен и т. п.). Однако в ситуации, когда разработчик
не знает, чему должна обучаться нейронная сеть, маловероятно,
что такая сеть может достичь нужных соотношений между входа"
ми и выходами.
Оценка разработанной нейронной сети. Для оценки качества обу"
ченной ИНС могут быть использованы следующие показатели:
– эффективность модели;

Страницы