Sprawozdanie- Sieci neuronowe

Grupa- I1H1S2

Autor: Łukasz Śledzik

Data- 20-V-2012

W agencji nieruchomości „Tani dom” wyróżniono trzy cechy charakteryzujące nieruchomości
przeznaczone do wynajmu są to :Duże , Tanie , Uzbrojone.

W zależności od wielkości, ceny i uzbrojenia mieszkania w media do cech Duże (D) , Tanie
(T), Uzbrojone (U) przypisywane są wartości wag od 1 do 5. Agencja wykonała badania
ankietowe na wybranych klientach którzy zaliczali mieszkania na podstawie wag do dwóch
grup preferencji. Gdzie grupa pierwsza oznacza mieszkania najbardziej poszukiwane.

Dane z badań ankietowych pokazuje poniższa tabela:

Du

ż

e

(D)

Tanie
(T)

Uzbrojone (U)

Grupa
Preferencji

4

1

2

2

3

5

2

1

1

5

0

2

1

0

3

2

4

2

0

2

5

4

1

2

3

4

1

2

5

5

5

1

5

0

4

2

5

2

0

2

0

5

0

2

0

3

5

2

5

5

0

2

1

3

5

2

5

1

0

2

3

4

1

2

5

5

3

1

3

1

5

2

5

4

5

1

0

0

1

2

5

2

5

2

0

2

5

2

0

2

2

2

3

2

5

2

5

0

5

2

0

4

5

2

1

1

5

2

4

1

3

2

0

0

0

2

5

0

5

2

1

4

3

2

5

0

2

2

3

3

2

1

2

2

5

2

4

0

5

2

3

4

3

1

4

3

4

1

4

5

3

1

Zadania do wykonania:

A.

1.

Zbudować sieć neuronową przystosowaną do klasyfikacji mieszkań

2.

Nauczyć sieć rozpoznawać preferencje na podstawie danych zamieszczonych w
powyższej tabeli.

3.

Sformułować wnioski dotyczące wygenerowanej sieci.

Rozwiązanie w R:

Wynik prób:

Siec neuronowa o parametrach (10,10,10,1)

grupowanie

Wyjscie_sn

zaokrągeleni

ok?

2

2.02717356

2

1

1

1.060612101

1

1

2

2.011504796

2

1

2

2.009763434

2

1

2

2.032324356

2

1

2

2.007154835

2

1

2

2.048268703

2

1

1

1.098343889

1

1

2

1.969399262

2

1

2

1.981680558

2

1

2

2.025652837

2

1

2

2.081039719

2

1

2

2.042121036

2

1

2

2.044344327

2

1

2

1.994092772

2

1

2

2.048268703

2

1

1

1.114621221

1

1

2

2.041602797

2

1

1

0.976512366

1

1

2

2.02396573

2

1

2

2.032360746

2

1

2

2.078892164

2

1

2

2.020534397

2

1

2

2.051468364

2

1

2

2.014994761

2

1

2

2.019881303

2

1

2

2.02620568

2

1

2

2.043756903

2

1

2

2.012218741

2

1

2

2.014994761

2

1

2

2.019881303

2

1

2

2.049877597

2

1

1

1.025265249

1

1

2

1.973102385

2

1

2

2.02046292

2

1

1

1.000817836

1

1

1

0.980986946

1

1

1

1.055871485

1

1

1

0.943390164

1

1

suma

39

Siec neuronowa o parametrach (15,15,15,1)

grupowanie

Wyjscie_sn

zaokrągeleni

ok?

2

2.018419943

2

1

1

1.003980307

1

1

2

1.993475472

2

1

2

1.982536184

2

1

2

2.000142092

2

1

2

2.026651708

2

1

2

2.019349299

2

1

1

1.055845475

1

1

2

1.985263262

2

1

2

2.01134803

2

1

2

2.022984212

2

1

2

1.97890502

2

1

2

1.989489901

2

1

2

1.996860141

2

1

2

1.994460349

2

1

2

2.019349299

2

1

1

1.03407357

1

1

2

2.005321468

2

1

1

0.961289277

1

1

2

2.015353637

2

1

2

1.97335482

2

1

2

1.956360708

2

1

2

1.987503796

2

1

2

1.977182144

2

1

2

2.001508398

2

1

2

2.007764721

2

1

2

2.000894738

2

1

2

2.003693607

2

1

2

1.988034038

2

1

2

2.001508398

2

1

2

2.007764721

2

1

2

2.001202397

2

1

1

1.000815377

1

1

2

1.961176388

2

1

2

2.009051826

2

1

1

0.985494055

1

1

1

0.989057303

1

1

1

1.039948167

1

1

1

0.95777161

1

1

suma

39

Siec neuronowa o parametrach (35,35,35,1)

grupowanie

Wyjscie_sn

zaokrągeleni

ok?

2

1.95954985

2

1

1

0.998114329

1

1

2

1.982933908

2

1

2

1.996435071

2

1

2

1.983749835

2

1

2

2.013423962

2

1

2

2.019884208

2

1

1

1.051084153

1

1

2

1.982003637

2

1

2

1.972682938

2

1

2

2.027611239

2

1

2

2.002667568

2

1

2

1.987688915

2

1

2

2.00205482

2

1

2

2.014130698

2

1

2

2.019884208

2

1

1

1.049082549

1

1

2

1.996035396

2

1

1

0.967961776

1

1

2

1.990421508

2

1

2

2.00342505

2

1

2

2.004007149

2

1

2

2.004913979

2

1

2

1.997668142

2

1

2

1.991947631

2

1

2

2.009262031

2

1

2

1.997209191

2

1

2

2.041266883

2

1

2

1.999777435

2

1

2

1.991947631

2

1

2

2.009262031

2

1

2

1.998007458

2

1

1

1.000071421

1

1

2

1.972228632

2

1

2

1.997844873

2

1

1

0.995727413

1

1

1

1.01634403

1

1

1

1.035706511

1

1

1

0.944629963

1

1

suma

39

1.

Wygenerować dane losowych preferencji dla 100 przypadków mieszkań dla cech:
Duże (D), Tanie (T), Uzbrojone (U), Blisko Centrum (BC). Każda z tych cech może
przybrać wartości wag od 1 do 8. Należy wykorzystać funkcję LOS().

2.

Zbudować funkcję klasyfikującą każdą ze 100 nieruchomości do grupy 1 lub drugiej
według następującej reguły:

Jeśli (D)>=5 i (T)>=6 i (U)>=7 i (BC)>=4 to grupa pierwsza. Pozostałe mieszkania są
zaliczane do grupy 2.

3.

Zbudować sieć neuronową dostosowaną do klasyfikacji mieszkań do grupy pierwszej
lub drugiej.

4.

Sformułować wnioski dotyczące wygenerowanej sieci.

Generowanie wag od 1-8 wykonałem funkcją excel :

=ZAOKR.DO.CAŁK(LOS()*8+1)

Rozwiązanie R:

Warunek w arkuszu excel:

=JEŻELI((Dane1!A2>=5)*(Dane1!B2>=6)*(Dane1!C2>=7)*(Dane1!D2>=4);1;2)

Wyniki w R:

grupowanie

Wyjscie_sn

zaokrągeleni

ok?

1

1.995182402

2

0

2

1.996652809

2

1

2

2.003038477

2

1

2

2.000973723

2

1

2

1.995517106

2

1

2

1.995356735

2

1

2

1.995216686

2

1

2

1.995173952

2

1

2

1.995601268

2

1

2

2.006252264

2

1

2

1.995175602

2

1

2

1.995700574

2

1

2

2.043214228

2

1

2

1.996601098

2

1

2

1.997026374

2

1

2

1.995173265

2

1

2

1.996652809

2

1

2

1.995238971

2

1

2

1.996188751

2

1

2

1.995329564

2

1

2

1.99859784

2

1

2

1.995437751

2

1

2

2.043214228

2

1

2

1.997870541

2

1

2

1.995288518

2

1

2

2.019933159

2

1

2

2.008503711

2

1

2

1.995383446

2

1

2

1.995189074

2

1

2

1.997239358

2

1

2

1.995261399

2

1

2

1.997870541

2

1

2

1.997620616

2

1

2

2.00938006

2

1

2

2.023554731

2

1

2

1.974314396

2

1

2

1.995340727

2

1

2

1.995269869

2

1

2

1.995178517

2

1

2

1.995601268

2

1

2

2.020139034

2

1

2

1.996188751

2

1

2

2.00140765

2

1

2

1.995329564

2

1

2

1.995281906

2

1

2

1.996188751

2

1

2

1.995329564

2

1

1

2.003378598

2

0

2

1.995198199

2

1

2

1.99525176

2

1

2

1.997464739

2

1

2

1.995736813

2

1

2

2.023554731

2

1

2

1.995445288

2

1

2

1.995198804

2

1

2

1.995213479

2

1

2

1.995545833

2

1

2

1.995182402

2

1

2

2.012413944

2

1

2

1.996652809

2

1

2

1.995171979

2

1

2

2.023554731

2

1

2

1.999444085

2

1

2

1.998677896

2

1

2

1.995700574

2

1

1

1.995808333

2

0

2

1.997620616

2

1

2

1.995445288

2

1

2

1.995437751

2

1

2

1.995192178

2

1

2

1.995261399

2

1

2

2.006252264

2

1

2

1.995173265

2

1

2

1.995173952

2

1

2

1.995173952

2

1

2

1.995445288

2

1

2

1.996331935

2

1

2

1.995261399

2

1

2

1.996165694

2

1

2

2.006252264

2

1

2

2.003378598

2

1

2

1.995185471

2

1

2

1.995175602

2

1

2

1.996392796

2

1

2

1.995175602

2

1

2

1.997239358

2

1

2

1.995171979

2

1

2

1.995356735

2

1

2

2.034904482

2

1

2

2.000973723

2

1

2

2.003038477

2

1

2

1.996652809

2

1

2

1.995182402

2

1

2

1.99859784

2

1

2

2.000973723

2

1

2

1.996392796

2

1

2

1.995319951

2

1

2

2.003475144

2

1

2

1.997239358

2

1

2

1.995383446

2

1

suma

97

Dla sieci (2,2,2,1) wynik 97 %