-1

私は WEKA を使用する初心者なので、MultilayerPerceptron (Neural Network) を使用してデータをトレーニングしようとして得た次の結果について説明していただけますか。

また、これを理解するのに役立つリンクをいくつか教えてください。

=== Run information ===

Scheme:weka.classifiers.functions.MultilayerPerceptron -L 0.3 -M 0.2 -N 500 -V 0 -S 0 -E 20 -H a -G -R
Relation:     Dengue
Instances:    520
Attributes:   12
              MinTemp
              MaxTemp
              MeanTemp
              RelativeHumidity
              Rainfall
              Wind
              LandArea
              IncomeClass
              WasteGenerated
              PopulationDensity
              HouseNumber
              Dengue
Test mode:evaluate on training data

=== Classifier model (full training set) ===

Linear Node 0
    Inputs    Weights
    Threshold    1.045699824540429
    Node 1    -0.7885241220010747
    Node 2    -0.5679021300029351
    Node 3    -0.6990681220652758
    Node 4    -1.7036399417988182
    Node 5    -1.7986596505677839
    Node 6    -1.0031026344357001
Sigmoid Node 1
    Inputs    Weights
    Threshold    -2.7846715622473632
    Attrib MinTemp    -0.3756262925227143
    Attrib MaxTemp    -1.0113362508935868
    Attrib MeanTemp    -0.6867107452689675
    Attrib RelativeHumidity    -1.357278537485863
    Attrib Rainfall    0.9346189251054217
    Attrib Wind    -2.4697988150023895
    Attrib LandArea    -0.04802972345084459
    Attrib IncomeClass    -0.0023757695994812353
    Attrib WasteGenerated    -0.5219516258114455
    Attrib PopulationDensity    0.6275856253232837
    Attrib HouseNumber    0.4794517421072107
Sigmoid Node 2
    Inputs    Weights
    Threshold    -2.238113558499396
    Attrib MinTemp    0.6634817443452294
    Attrib MaxTemp    0.04177526569735764
    Attrib MeanTemp    0.4213111516398967
    Attrib RelativeHumidity    0.9477161615423007
    Attrib Rainfall    -0.06941110528380763
    Attrib Wind    0.1398767209217198
    Attrib LandArea    0.011908782901326666
    Attrib IncomeClass    -0.03177518077905532
    Attrib WasteGenerated    -2.111275394512881
    Attrib PopulationDensity    -0.002225384228836655
    Attrib HouseNumber    -0.18689477740073276
Sigmoid Node 3
    Inputs    Weights
    Threshold    -1.5469990007413668
    Attrib MinTemp    -0.538188914566223
    Attrib MaxTemp    0.2452404814154855
    Attrib MeanTemp    -0.07155897171503904
    Attrib RelativeHumidity    -0.6490463479419373
    Attrib Rainfall    1.2010399306686497
    Attrib Wind    0.7275195821368675
    Attrib LandArea    -0.033472141554108756
    Attrib IncomeClass    0.021303339082304765
    Attrib WasteGenerated    -0.12403826628027773
    Attrib PopulationDensity    -0.2663352902864381
    Attrib HouseNumber    0.5153046727550502
Sigmoid Node 4
    Inputs    Weights
    Threshold    -1.3273158445760431
    Attrib MinTemp    -0.511476470658412
    Attrib MaxTemp    -1.4472764735477759
    Attrib MeanTemp    -0.992550007766579
    Attrib RelativeHumidity    -0.4889201348001783
    Attrib Rainfall    4.777705232733897
    Attrib Wind    1.0057960261924193
    Attrib LandArea    0.01594686951090471
    Attrib IncomeClass    -0.012053049723794618
    Attrib WasteGenerated    -0.29397677127551647
    Attrib PopulationDensity    0.8760275665744505
    Attrib HouseNumber    0.26513119051179107
Sigmoid Node 5
    Inputs    Weights
    Threshold    0.9085281334048771
    Attrib MinTemp    -2.3264253136843633
    Attrib MaxTemp    4.342385678707546
    Attrib MeanTemp    1.26274142914379
    Attrib RelativeHumidity    0.3589371377240767
    Attrib Rainfall    -6.060544069949767
    Attrib Wind    -1.7001357028288409
    Attrib LandArea    -0.04696606932834255
    Attrib IncomeClass    -0.02765457448569584
    Attrib WasteGenerated    -4.685692052378084
    Attrib PopulationDensity    0.7497806979087069
    Attrib HouseNumber    -1.817884131764966
Sigmoid Node 6
    Inputs    Weights
    Threshold    -2.343332128576834
    Attrib MinTemp    -1.7808827758329944
    Attrib MaxTemp    2.3738961064086217
    Attrib MeanTemp    0.6053466030736496
    Attrib RelativeHumidity    0.4178221348007889
    Attrib Rainfall    0.2646387686505043
    Attrib Wind    0.6941590574632328
    Attrib LandArea    0.022879267506905346
    Attrib IncomeClass    -0.030599400189594162
    Attrib WasteGenerated    0.2341906598765536
    Attrib PopulationDensity    -0.054518515830522876
    Attrib HouseNumber    -0.6802930287343757
Class 
    Input
    Node 0


Time taken to build model: 17.83 seconds

=== Evaluation on training set ===
=== Summary ===

Correlation coefficient                  0.7747
Mean absolute error                      1.477 
Root mean squared error                  1.9605
Relative absolute error                110.9364 %
Root relative squared error             86.4544 %
Total Number of Instances              518     
Ignored Class Unknown Instances                  2
4

1 に答える 1

2

データに対して多層パーセプトロン (MLP) アルゴリズムを実行しました。MLP は、バックプロパゲーションを使用してインスタンスを分類します。モデルをトレーニングするためにこの特定のアルゴリズムを選択したため、基本的な統計、バックプロパゲーションの概念、および人工ニューラル ネットワークに精通していることを前提としています。そうでない場合は、カートを馬の前に置き、このモデルを使用する前に数学を学ぶ必要があります. この場合に役立つトレーニング プレゼンテーションを次に示します。

「実行情報」と表示された後、実行したコマンドと設定したすべてのパラメーターが表示されます ( Weka のドキュメントで説明されています- それらを選択したか、少なくともデフォルトを使用しました)。この後、あなたがデング熱のファイルを使用していることがわかります (おそらく発熱と感染者の人口統計に関連するデータですが、このデータを選択したので、データがどのように収集され、データが何であるかについての基本的な理解があると思います)。Instances はデータ ファイル内のサンプル数であり、attributes は列数です。

シグモイド ノードは、バックプロパゲーションと関連データで使用されるノードです。これは、ネットワーク自体 (その重みと属性) です。このネットワークの隠れ層のノードはすべてシグモイドですが、出力ノードは線形ユニットです (たとえば、線形ノード 0 は出力ユニットであり、シグモイド ノード 1 ～ 6 は 6 つの隠れユニットです。与えられた値はすべて相互接続の重みです。それらを使用して結果を手動で計算できます (これはネットワークの下で行われます)。

先ほど言ったように、下の部分はネットワークから計算された最終結果です。この部分はすべて基本的な統計なので、これ以上詳しく説明しません。

于 2013-10-31T22:04:46.493 に答える