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 %