Grundverständnis zum Nutzen Neuronaler Netze?

Distanzmaße, Diskriminanzanalyse, graphische Analysen etc.

Grundverständnis zum Nutzen Neuronaler Netze?

Beitragvon Füchslein » Fr 30. Mär 2012, 09:55

Guten Morgen Zusammen,

ich schreibe, da ich Hilfe zum Verständnis neuronaler Netze und ihres Nutzens brauche.
Der Grundsätzliche Gedanke bei der Verwendung neuronaler Netze ist mir klar.

Ich habe eine Reihe an Prädiktorvariablen, welche ich nutzen möchte um eine weitere abhängige Variable vorherzusagen.
Das kann ich eben machen indem ich neuronale Netze trainiere, oder aber bspw. auch über multiple Regression.
Die Verwendung neuronaler Netze auf einem Trainingsdatenset und die Validierung anhand einer unabhängigen Submenge sind soweit klar.

Aber in wieweit sind solche Untersuchungen von Nutze bspw. für andere Anwender?

Beobachte ich einen Zusammenhang zwischen bspw. vier Variablen und einer fünften unabhängigen Variable, so kann ich diesen zum Bsp. mit einer Multiplen Regression in Form einer Regressionsgleichung unter Angabe der Rahmenbedingungen veröffentlichen. Diese Gleichung kann also durch andere Nutzer, welche ihrerseits einen Datensatz vorliegen haben, welcher nur die ersten vier variablen erfasst hat, genutzt werden.
Wie sieht das aber bei Neuronalen Netzen aus? Welche Ausgabe kann man anderen Nutzern hierzu Verfügung stellen, welcher den explorierten Zusammenhang zwischen meinen vier unabh. und der Zielvariablen zu beschreiben?

Herzlichen Dank und Grüße
Füchslein
Grünschnabel
Grünschnabel
 
Beiträge: 5
Registriert: Mi 4. Jan 2012, 14:32
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Re: Grundverständnis zum Nutzen Neuronaler Netze?

Beitragvon bele » Mi 4. Jul 2012, 09:23

Na Du kannst die Parameter, die in Deinem Netz in der Trainingsphase entstanden sind, schon publizieren.

Hier ein Beispiel in R: Ich erzeuge zwei Datenreihen und versuche deren Summe durch ein kleines Neuronales Netz vorherzusagen:
Code: Alles auswählen
#beispieldaten
a<-rnorm(1000)
b<-rnorm(1000)
s<-jitter(a+b)

#neuronales Netz
require(nnet)
m<-nnet(s ~ a + b, size=3)

#ein diagnostischer Plot
summe <- a+b
residuen <- predict(m, data.frame(a,b)) - summe
plot(summe, residuen) #na das hat aber nicht gut geklappt

#vollständige Ausgabe
dput(m)

Nach einem kurzen diagnostischen Plot dieses, zugegebenermaßen sinnlosen, Beispiels, erzeugt die letzte Zeit "dput(m)" eine Textausgabe des ganzen Netzes. Diese Textausgabe kannst Du in einer Email verschicken oder in einem Forum posten und wenn andere die in ihr R kopieren, haben sie Dein gesamtes Netz für Vorhersagen etc. auf ihrem Rechner. Bei anderer Software wirst Du andere Wege finden.

Gruß,
Bernhard
----
`Oh, you can't help that,' said the Cat: `we're all mad here. I'm mad. You're mad.'
`How do you know I'm mad?' said Alice.
`You must be,' said the Cat, `or you wouldn't have come here.'
(Lewis Carol, Alice in Wonderland)
bele
Schlaflos in Seattle
Schlaflos in Seattle
 
Beiträge: 5776
Registriert: Do 2. Jun 2011, 23:16
Danke gegeben: 15
Danke bekommen: 1356 mal in 1343 Posts


Zurück zu weitere Verfahren

Wer ist online?

Mitglieder in diesem Forum: 0 Mitglieder und 0 Gäste