Лаборатория. Сағи Ермахан. АЖ-43. Deductor. Лаб-8. 4 зертханалы жмыс. Нейронды желі арылы болжау Жмыс масаты
 Скачать 454.09 Kb.
|
|
№4 зертханалық жұмыс. Нейрондық желі арқылы болжау Жұмыс мақсаты: Құрылымдық және деректер кестесі түрінде ұсынылған өңдеуге байланысты көптеген мәселелерді шешуге арналған интеллектуалды құралды (DEDUCTOR Studio SPPR) игеру. Сатуды болжау моделін құру мысалында уақыт қатарларын болжау мәселелерін шешу үшін Data Mining әдістерін қолдануды үйрену. Жұмысты орындау тәртібі Біз деректерді мәтіндік файлдан импорттаймыз. Файлда сан туралы деректер стандартты форматта емес екеніне назар аударыңыз: бөлшек бөлгіш және санның бүтін бөлігі үтір емес, нүкте, сондықтан импорттау параметрлерінің әдепкі параметрлеріне тиісті өзгерістер енгізу керек. Бастапқы ақпаратты көру үшін визуализатор ретінде диаграмманы таңдаймыз  1-сурет. Диаграмма данных Көріп отырғаныңыздай, кез-келген талдаушы осы мәліметтер бойынша маусымдықты бағалай алмайды, сондықтан автокорреляцияны қолдану қажет. Мұны істеу үшін біз өңдеу шеберін ашамыз, өңдеу ретінде автокорреляцияны таңдаймыз және шебердің екінші сатысына көшеміз. Онда баған параметрлерін реттеу керек (сурет.3). Біз "күні (жылы +айы)" өрісін пайдаланылмайтын, ал "саны" өрісін қолданамыз (өйткені сату санының маусымдылығын анықтау керек). Соңында нәтижелерді кесте түрінде де, диаграмма түрінде де талдау ыңғайлы. Өңдеуден кейін екі баған алынды – "артта қалу" (шеберде орнатылған жалаушаның арқасында) және "Саны" - автокорреляцияның нәтижесі.  2-сурет. Итоговая диаграмма Бастапқыда корреляция бірлікке тең екендігі байқалады, өйткені мән өзіне байланысты. Әрі қарай, тәуелділік азаяды, содан кейін 12 ай бұрын мәліметтерге тәуелділіктің шыңы көрінеді. Бұл білдіреді болуы туралы жылдық маусымдылық. Деректерді импорттағаннан кейін біз оларды көру үшін Диаграмманы қолданамыз.  3-сурет. Диаграмма данных Шебердің төртінші қадамы спектрлік өңдеуге мүмкіндік береді. Бастапқы деректерден шуды алып тастау керек, сондықтан "саны" бағанын таңдап, "шуды азайту" әдісін көрсетіңіз (азайту дәрежесі аз). Келесі қадамда "Бастау"түймесін басу арқылы өңдеуді бастаңыз. Өңдеуден кейін нәтижені диаграммада қарастырамыз.  4-сурет. Диаграмма результата  5-сурет. Диаграмма качества обучения  6-сурет. Диаграмма рассеяния  7-сурет. Диаграмма прогноза Бақылау сұрақтары: 1.Маусымдық дегеніміз не? Маусымдылық болжамды схема бойынша әр маусымда қайталанатын мерзімді ауытқулармен сипатталады. Олар жыл сайын, сирек-тоқсан сайын немесе ай сайын болуы мүмкін. Амплитуда неғұрлым жоғары болса, яғни период неғұрлым үлкен болса, сұраныс пен басқа параметрлердегі тербелістер соғұрлым маңызды болады. 2. Автокорреляциялық талдау не үшін қолданылады? Автокорреляцияны талдау-бұл қайталанатын заңдылықтарды табудың математикалық құралы, мысалы, шуылмен жасырылған периодты сигналдың болуы немесе оның гармоникалық жиіліктері білдіретін сигналда жоқ негізгі жиілікті анықтау. Ол көбінесе уақыт аймағындағы сигналдар сияқты функцияларды немесе бірқатар мәндерді талдау үшін сигналдарды өңдеуде қолданылады . 3. Деректер арасында байланыс бар-жоғын қалай анықтауға болады? Корреляциялық талдау әдісі бойынша анықтауға болады. Корреляциялық талдау -корреляция коэффициенттерін қолдана отырып, айнымалылар арасында байланыс бар-жоғын және оның қаншалықты күшті екенін анықтауға мүмкіндік беретін статистикалық әдіс. 4. Уақыт қатарының болжамы не үшін қажет? Уақыт қатарларын болжау-бұл өмірдің әртүрлі салаларында қолданылатын танымал аналитикалық міндет-бизнес, ғылым, қоғамды зерттеу және тұтынушылық мінез-құлық, мысалы, өнімге сұраныс өскен кезде интернет-дүкенге қанша сервер қажет болатындығын болжау үшін қолданылады. 5. Уақыт қатарларын болжау үшін Deductor жүйесінде қандай құрал қолданылады? "Кейбір мәселелерді шешкен кезде, мысалы, нейрондық желіні қолдана отырып, уақыт қатарларын болжау кезінде анализатордың кірісіне бастапқы деректер жиынтығынан бірнеше іргелес үлгілерді беру қажет. ... Deductor Studio жиынтық ақпаратты жинауды жүзеге асыратын " топтау " құралын ұсынады 6. Deductor жүйесінің "нейрондық желі" өңдегішінің мақсаты қандай? Нейрондық желілер-бұл адам миының қызметіне еліктейтін өзін-өзі оқытатын модельдер. Олар алдын-ала анықталған деректерге бір рет бағдарламаланған әрекеттер тізбегін орындап қана қоймай, жаңадан келген ақпаратты өздері талдай алады. ... Бұл өңдеуші нейрондық желінің құрылымын анықтауға, оның параметрлерін анықтауға және жүйеде Қол жетімді алгоритмдердің бірін қолдана отырып оқытуға мүмкіндік береді. |