Интеллектуальный анализ данных в менеджменте. Кричевский М.Л. - 70 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

70
содержащих только входные значения. Кроме этого, сеть Кохонена
располагает родственные кластеры поблизости друг от друга в вы"
ходном слое, формируя так называемую топологическую карту
(Topological Map).
Работа алгоритма определяется двумя параметрами: скорость обу"
чения – Learning rate и окрестность – Neighborhood. Процесс обуче"
ния сети происходит следующим образом: очередное наблюдение по"
дается на вход сети, обрабатывается ею, выбирается выигравший
(наиболее активный элемент второго слоя сети), и затем он и его бли"
жайшие соседи корректируются так, чтобы лучше воспроизводить
обучающее наблюдение.
Обычно работа алгоритма разбивается на два этапа: упорядочива"
ния и тонкой настройки, на каждом из которых скорость обучения,
размер окрестности постепенно меняются от своих начальных значе"
ний к конечным. В пакете «Statistica NN» можно задавать на"
чальные и конечные значения как для скорости обучения, так и для
размера окрестности. Размер окрестности определяет квадрат с цент"
ром в выигравшем элементе: «нулевой» размер соответствует одному
выигравшему элементу.
Сеть Кохонена в данном пакете имеет специальные средства для
решения задач кластеризации, к которым можно отнести:
– окно «Частота выигрышей» – «Win Frequencies», в котором по"
казывается, где в сети формируются кластеры;
– окно «Топологическая карта» – «Topological Map», которое по"
казывает, какие наблюдения отнесены к тому или иному кластеру, и
помогает пользователю правильно пометить элементы и наблюде"
ния.
Алгоритм обучения сети Кохонена корректирует положения цен"
тров в слое топологической карты таким образом, чтобы приблизить
их к центрам кластеров в обучающих данных. На каждом шаге обу"
чения алгоритм выбирает элемент, чей центр лежит ближе всего к
обучающему наблюдению. Этот элемент и соседние с ним корректи"
руются так, чтобы они больше походили на данное обучающее на"
блюдение.
Исключительную роль в обучении Кохонена играет окрестность
обучения. Корректируя не только сам выигравший элемент, но и
соседние с ним, алгоритм Кохонена относит близкие наборы дан"
ных к смежным областям топологической карты. По ходу обуче"
ния окрестность постепенно сужается, и одновременно уменьшает"
ся скорость обучения, так что поначалу выстраивается грубое ото"
бражение (при котором на одно наблюдение откликаются большие

Страницы