XX-第二部分数据挖掘与统计决策-神经网络介绍.ppt

数据挖掘与统计决策方法 　　　　　 —— 神经网络 　　　　　　 教 师： 廖 芹 RBF神经网络求解两值逻辑问题 补充 四、数据挖掘方法——神经网络 RBF神经网络求解两值逻辑问题 补充 四、数据挖掘方法——神经网络 RBF神经网络求解两值逻辑问题 补充 四、数据挖掘方法——神经网络 Clementine12辅助RBF神经网络模型---城市医疗能力评价 0.7521 0.6667 1.5 -1.5 -0.5 -0.5 0.5 鞍山 0.7157 0.6667 -0.5 1.5 1.5 -1.5 0.5 青岛 1.1474 1.0000 1.5 0.5 -0.5 0.5 1.5 兰州 0.4435 0.3333 -0.5 -0.5 0.5 0.5 -0.5 成都 -0.0518 0.0000 -1.5 -1.5 -1.5 0.5 0.5 重庆 0.5087 0.3333 -0.5 -1.5 -0.5 0.5 1.5 哈尔滨 0.4113 0.3333 -1.5 -0.5 0.5 0.5 0.5 武汉 -0.0289 0.0000 0.5 -0.5 -1.5 -1.5 -1.5 沈阳 1.0660 1.0000 0.5 1.5 1.5 1.5 -0.5 北京 1.0302 1.0000 -1.5 1.5 1.5 1.5 0.5 上海 预测 医疗能力 医疗能力评价 死亡率 门诊所数 工作人员数 医生数 病人数 样本 建模样本 Clementine12辅助RBF神经网络模型---城市医疗能力评价 四、数据挖掘方法——神经网络 0.3312 0.3333 0.5 -1.5 -1.5 -1.5 0.5 抚顺 1.0468 1.0000 -0.5 0.5 1.5 1.5 1.5 济南 0.0584 0.0000 0.5 -0.5 -1.5 -0.5 -1.5 大连 1.2152 1.0000 1.5 0.5 0.5 0.5 1.5 太原 0.9284 0.6667 0.5 -0.5 0.5 0.5 0.5 长春 0.9910 0.6667 0.5 0.5 -0.5 0.5 0.5 西安 0.4387 0.6667 -0.5 0.5 0.5 0.5 -1.5 南京 0.7134 0.6667 -0.5 0.5 0.5 0.5 -0.5 广州 0.0937 0.0000 -0.5 0.5 -1.5 0.5 -1.5 天津 预测医疗能力 医疗能力评价 死亡率 门诊所数 工作人员数 医生数 病人数 样本 检验样本 0.142 0.14 检验样本 0.082 0.042 建模样本 RBF模型 绝对平均误差 BP 模型绝对平均误差 样本 Clementine12辅助RBF神经网络模型---城市医疗能力评价 RBF神经网络 补充 四、数据挖掘方法——神经网络 即hi=G(|x-ti|) 样本xj代入后有gji=hji=G(|xj-ti|) 有常数项,且φi中心是ti 这里是通过LS估计量来求模型参数，而不是通过样本学习修正形式获取 RBF神经网络 四、数据挖掘方法——神经网络 补充 RBF神经网络 补充 四、数据挖掘方法——神经网络 P109 四、数据挖掘方法——神经网络 P109—P110 四、数据挖掘方法——神经网络 评价分四级： v—非常好， g—好， a— 一般， b—差 P123 四、数据挖掘方法——神经网络 城市医疗能力综合评价BP模型建立 四、数据挖掘方法——神经网络 城市医疗能力综合评价BP模型建立 需要将定性的取值转换为定量取值，并映射到【0，1】 四、数据挖掘方法——神经网络 P125 四、数据挖掘方法——神经网络 P125 四、数据挖掘方法——神经网络 用一个输出变量表示 P125 四、数据挖掘方法——神经网络 P126 四、数据挖掘方法——神经网络 级别表示 V V b a a b a v g g P126 四、数据挖掘方法——神经网络 四种动物识别ＢＰ模型的建立 补充 四、数据挖掘方法——神经网络 应改1为t 四种动物识别ＢＰ模型的建立 补充 四、数据挖掘方法——神经网络 O=(O1,O2,O3,O4) O1 O2 O3 O4 Oi∈(0,1),i=1,2,3,4 O O O∈(0,1) 1)多输出表示： 2)单输出表示：若输出用Y表示，则Y转换为【0.1，0.9】中的值。 四种动物识别ＢＰ模