Обычно такого рода задачи (хороший - плохой) решают с использованием аппарата нечеткой логики. Его же можно комбинировать с нейронной сетью.
У вас два, как минимум, два нечетких выходных параметра модели. ИМХО среди входящих параметров в такой задаче тоже есть нечеткие.
Обычно такого рода задачи (хороший - плохой) решают с использованием аппарата нечеткой логики. Его же можно комбинировать с нейронной сетью.
У вас два, как минимум, два нечетких выходных параметра модели. ИМХО среди входящих параметров в такой задаче тоже есть нечеткие.
Среди входящих параметров присутствуют только непрерывные переменные (степень мозговой активности, уровень возбуждения, агрессия и т.д.)
Задачу можно упростить до способности сети выделять "плохие" звонки (они составляют 1% от общего множества).
Возможно ли решить данную задачу при помощи пакета Statistica?
D
Среди входящих параметров присутствуют только непрерывные переменные (степень мозговой активности, уровень возбуждения, агрессия и т.д.)
Задачу можно упростить до способности сети выделять "плохие" звонки (они составляют 1% от общего множества).
Возможно ли решить данную задачу при помощи пакета Statistica?
ИМХО сильно вряд ли. Разве что - вводить новые входящие параметры надеясь что увеличивая кол-во переменных ты уточнишь прогноз.
Хороший - плохой, уровень возбуждения, агрессия - нечеткие переменные. Ты относительные переменные хороший-плохой загоняешь в бинарные рамки - в этом проблема
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Добрый день!
У меня есть задача:
Дано множество анализов телефонных звонков, по каждому звонку в течение разговора замеряется 15 параметров.
Звонок оценивается наблюдателем как "хороший" или как "плохой" (оценка = 1 или 0) по всему звонку целиком.
Необходимо обучить нейронную сеть самостоятельно отличать хорошие звонки от плохих по данным измерениям.
В данный момент я сформировал задачу как анализ каждого вектора с измерениями (по каждому звонку как минимум по 10-15 измерений в течение разговора), по которому ставится оценка, но это дает низкую точность (максимум 62,5% верных ответов сети).
Необходимо научить нейронную сеть выставлять одну оценку всему звонку целиком (а по каждому звонку есть множество измерений) и повысить точность верного ответа хотя бы до 90%.
Как можно переформулировать задачу или изменить выборку, чтобы нейронная сеть могла эффективно выполнить задачу?