شبکه های عصبی
 

سلام
من میخواستم با داده هایی که به weka دادم و شبکه ی عصبی که ازش گرفتم این شبکه ی بدست اومده رو تفسیر کنم و ازش نتیجه بگیرم ولی نمیدونم چه طور یک شبکه عصبی رو میشه تفسیر کرد و ازش نتیجه گرفت لطفا کمک کنید.ممنون

سلام دوست عزیز

۱) تفسیر شبکه عصبی : اگر منظور شما تفسیری هست که درخت تصمیم به شما میده باید بگم که شبکه عصبی این امکان رو به شما نمیده. چون روابط بین نرون ها از طریق وزن ها مشخص میشه که برای فهم انسان مناسب نیست.

۲) برای ارزیابی شبکه عصبی میتونید از MSE (Mean Square Error) استفاده کنید. توی این لینک توضیح نسبتا خوبی در این مورد هست که فکر کنم به درد بخوره.

Mean squared error - Wikipedia, the free encyclopedia

در ضمن من فکر میکنم خود نرم افزار weka ابزاری برای ارزیابی شبکه عصبی در اختیار شما قرار میده.

امیدوارم منظور شما رو درست فهمیده باشم.

موفق باشی

من برای پروژه پایانیم داده های مربوط به خسارت بیمه بدنه رو به weka دادم با توجه به جواب شما یعنی هیچ نتیجه ای نمیشه از شبکه ی عصبی بدست اومده گرفت؟
پس اصلا شبکه عصبی چه چیزی رو نشون میده؟ اصلا چرا از یک شبکه عصبی استفاده می کنیم؟
من در مورد شبکه عصبی جزوات زیادی خوندم ولی فقط یک سری فرمول داره که من ازش سر در نیاوردم .اگر مقاله ای یا جزوه ای در این زمینه دارید ممنون میشم در اختیارم قرار بدید .

سلام دوست من

من کی گفتم هیچ نتیجه ای نشون نمیده؟

ببین شبکه عصبی توی کاربرد شما به عنوان یک classifier استفاده میشه. به طور کلی ما نمونه ورودی مورد نظر را به شبکه میدهیم و شبکه برای ما یک خروجی تولید میکنه که کلاس نمونه رو مشخص میکنه.

حالا MSE میانگین اختلاف خروجی تولید شده شبکه عصبی با خروجی مورد نظر رو محاسبه میکنه که میشه Accuracy شبکه عصبی و یکی از روش های ارزیابی کارایی شبکه عصبی تولید شده هست.

حالا اگه ممکنه دقیقا کاری رو که میخوای انجام بدی بگو تا شاید بشه بیشتر کمکت کرد. شاید اصلا شبکه عصبی برای کار مورد نظر شما مناسب نباشه.


در ضمن از جمله کاربرد های شبکه عصبی

۱) Classification
۲) Clustering
۲) Feature creation
.
.
.

موفق باشی

من میخواستم با داده هایی که به وکا دادم بگم مثلا این گروه از داده ها دارای خسارات زیادی در بیمه بدنه خودرو هستند با توجه به اینکه یک مقاله در این زمینه با الگوریتم درخت تصمیم هم دارم.

سلام

ببین فرض میکنیم که نمونه های شما دارای سه کلاس خسارت زیاد، کم و متوسط هستن. بنابراین مسئله شما دارای سه کلاس هست. بعد از آموزش شبکه با وارد کردن هر نمونه به شبکه کلاس اون نمونه در خروجی شبکه مشخص میشه. در صورت درست بودن طبیعتا خطای اون صفر هست و در صورت ناصحیح بودن توسط mse میزان خطا رو محاسبه میکنیم.

شبکه رو چه طور باید آموزش داد؟

توی نرم افزار weka مشخص میکنی که از چه نوع شبکه عصبی و الگوریتم آموزشی استفاده میکنی.

epoch و تعداد epoch ها به معنای نودها در شبکه عصبی هستند؟ و training rate به چه معناست؟ آیا با تغییر این دو شبکه تغییر می کند؟

به طور مثال برای الگوریتم backpropagation تعداد epoch به معنی تعداد دور اجرای الگوریتم آموزش هست.
training rate به معنی نرخ آموزش هست که برای جلوگیری از overfitting و اموزش ۱۰۰٪ شبکه استفاده میشه. زمانی که دقت شبکه بر روی داده های آموزشی به این مقدار رسید آموزش خاتمه پیدا میکنه.

دوست عزیز به نطر میرسه مطالعه شما روی شبکه های عصبی کمه. لطفا روی این موضوع بیشتر تحقیق کن. صرفا با سوال جواب نمیشه یه مطلب رو یاد گرفت

موفق باشی