Программирование - это просто - Практика нейронных сетей. Урок 24. Анализ выборки

Практика нейронных сетей. Урок 24. Анализ выборки

Автор megabax

07.07.2025 г.

unit AIObj

Практика нейронных сетей. Урок 24. Анализ выборки

Чтобы смотреть урок полностью, подпишитесь на платный раздел.

В платном разделе статья и исходники находятся здесь.

На прошлом уроке мы с вами начали исследовать нейронные сети на примере анализатора котировок. Мы написали программу "загрузчик котировок" и генератор обучающей выборки. Теперь по плану проанализировать выборку, а можем ли мы вообще обучить нейросеть на этой выборке.

Как будем анализировать выборку? Методом кластеризации. То есть, найдем в выборке устойчивые кластеры и проанализируем, насколько сильно расходятся выходные значения, если близки входные вектора (элементы попали в один кластер). Также посмотрим, насколько хорошо кластеризуется выборка, так как часто хорошая способность к кластеризации показывает, что на этой выборке нейросеть будет хорошо обучатся[1]. ...

...

И реализуем его обработчик:

private void tsmiSelectionAnaliz_Click(object sender, EventArgs e)

{

List<Cluster> clusters = core.clustering(core.selection.items, 0.3);

ClusteringViewForm form = new ClusteringViewForm(clusters, core.selection.items);

form.Show();

}

Теперь посмотрим результат:

Давайте сравним с тем, что приведено в [1] (среднеквадратическое отклонение, к сожалению, мы не можем пока сравнить):

Выборка	Общее кол-во элементов	Кол-во кластеров / % кластеров	Среднее кол-во элементов в кластере	Максимальное количество элементов в кластере
Линейная функция	100	10 / 10%	10	10
Ряд на основе синусоиды	100	31 / 31%	3.266	6
Котировки в эксперименте из статьи	100	98 / 98%	1.02	2
Наш результат	1131	673 / 59.5%	1.681	9

Как сказано в [1], чем меньший % кластеров, тем лучше. Правда, у нас результат для полной выборки. Давайте, для чистоты эксперимента, посмотрим для такого же размера выборки (тем более, полную выборку нам надо будет еще разделить на обучающую и тестовую выборку, или даже на несколько таких выборок).

Добавляем в нашу программу окно выбора размера выборки...

...

Используемая литература

1. Шуравин А. П. Исследование обучаемости нейронной сети на примере предсказания числовых рядов // Научные достижения и открытия 2017: сборник статей III Международного научно-практического конкурса. Пенза: Наука и Просвещение, 2017. С. 31-36. (https://elibrary.ru/item.asp?id=30050179)

Скриншоты, помеченные знаком *, являются цитатами и иллюстрациями программного продукта "Microsoft Visual Studio 2010 Professional", авторское право на который принадлежит корпорации Microsoft..

Последнее обновление ( 07.07.2025 г. )

« След.		Пред. »

Вернуться