Классификация на основе нейронной сети.

Далее задайте назначения исходных столбцов данных. Столбец IZ должен быть объявлен как выходной.

Далее выполните настройку разбиения исходного множества на обучающее и тестовое. Под тестовое множество определите 5 % от выборки.

Определите топологию нейронной сети 6x8x1. Тип активационной функции - Сигмоида.

Нажмите на кнопку Пуск для запуска процесса обучения нейронной сети.

Далее выберите способ отображения данных. В разделе Data Mining включите все флажки.

Нажмите на кнопку Готово для завершения процесса.

Перейдите на вкладку Граф нейросети

Выполним проверку созданной модели классификации.

Классификация с помощью Карт Кохонена

Перейдите на узел сценария Credit (исходные данные). В окне Сценарии нажмите на кнопку Мастер обработки () и в разделе Data Mining выберите опцию Карта Кохонена.

Задайте назначения исходных столбцов данных. Управленческое решение IZ должно быть объявлено как выходное. В следующем окне мастера Карты Кохонена флажок Тестовое должен быть выключен. Это связано с тем, что при обучении карт Кохонена применяется алгоритм самообучения.

Далее укажите значения параметров карты Кохонена.

Выберите способ отображения данных. В разделе Data Mining включите все флажки.

Далее выберите отображаемые параметры карты Кохонена. Выберем все доступные опции.

По постановке задачи определим два кластера (хорошие/плохие заемщики). Для этого нажмите на кнопку Настроить кластеры (). В диалоговом окне установите количество кластеров =2.

Нажмите на кнопку Настроить кластеры (). В диалоговом окне установите количество кластеров =3. Промежуточный кластер №2 (красный цвет на карте Кластеры) оказался между Нулевым (не выдавать кредит) и Первым (выдавать кредит). На проекции Саммона та же картина.

Для оценки мощности кластеров нажмите на кнопку Показать/ скрыть окно данных ().

Кластер:

№0 -4 записей,

№1-14 записей

№2-12 записей.

Для оценки точности классификации перейдите на вкладку Таблица сопряженности. Результаты хорошо согласуются с методом Деревьев решений и нейронной сетью. Общая ошибка классификации около 3%.

Графическое отображение системы классификации представлено ниже. Система классификации на основе карты Кохонена в отличие от рассмотренных выше основана на групповой оценке заемщиков попавших в соответствующий кластер. Т.е. система обладает большей обобщающей способностью.