بررسی عملکرد و بهبود یک شبکه عصبی چند لایه (mlp)
سلام. دوستان من در حال پیاده سازی یک مقاله هستم که در اون از شبکه ی BPNN برای رده بندی (classification) استفاده می کنه. مسئله از این قراره:
کاربر 11 نوع اطلاعات رو به عنوان ورودی به سیستم می ده و سیستم با استفاده از شبکه عصبی، یکی از 52 نوع ادکلن مختلف رو بهش پیشنهاد می ده. پس 11 ورودی داریم و 52 خروجی، که به ازای هر مشتری یکی از این 52 تا «1» و پنجاه و یکی بقیه، «0» می باشد.
این کار رو در ابتدا با ابزار کلمنتاین انجام دادم، اما متاسفانه اکثر خروجی ها رو «0» پیش بینی می کرد (چون 51/52 خروجی ها صفره). ضمن اینکه نمی تونم گزینه ای برای محاسبه MSE یا MAEببینم (داره اصلا یا خودمون باید محاسبه کنیم؟).
سپس، این کار رو (مث نویسنده مقاله) با ابزار نورو سولوشن انجام دادم، نتایج بهتری تولید شد،ضمن اینکه MSE, MAE و ضریب همبستگی هم خودش محاسبه می کنه! اما عجیبه، برای ادکلونی مثل A، که correctness پیش بینی 100% بوده، MSE غیر از صفره! حالا اگه براتون مقدور هست، به هر کدوم از سوال هام جواب بدین. ممنون میشم:
الف) کدوم معیارها برای سنجش شبکه بهتر اند؟
ب) به نظر شما چی باعث میشه، MSE چنین جواب نامعقولی بده؟! (ضمن اینکه خروجی شبکه به ازاء تمام رکوردها و تمام خروجی ها عددی بین -1 و 1 است، که البته فک می کنم بخاطر تابع فعالیتم باشه! اما چطور ممکنه که به ازای یک رکورد، به جای این که یک خروجی فعال (یک) شود و مابقی صفر، تمام خروجی ها عددی بین -1 تا +1 می شوند؟؟)
پ) اگه ممکنه فرمول محاسبه MSE، MAE، ضریب همبستگی (r) رو برای مسائل رده بندی بنویسید.
*د) صحت پیش بینی این شبکه، در حدود 70% است (تقریبا در بهترین حالت تست شده). حال چطور می شود، مدلی با صحت بیشتر ایجاد کرد و مدل را بهبود داد؟ (قضیه ی انسمبل/ ensemble) کردن شبکه ها چیست؟).
با سپاس مجدد
|