數(shù)據(jù)挖掘與統(tǒng)計(jì)決策第二部分 神經(jīng)網(wǎng)絡(luò)

1、引入問題：引入問題： 1 1）如果有如果有6060個(gè)因素影響銀行貸款，要判別是否給企業(yè)貸款，個(gè)因素影響銀行貸款，要判別是否給企業(yè)貸款，如何建立貸款如何建立貸款判別判別模型？即模型？即如何求非線性關(guān)如何求非線性關(guān)系系f1： Y1 =f1（X X1 1,X,X2 2,X,X6060) , Y1) , Y1取值取值1(1(貸款貸款) )，0(0(不貸款）不貸款） 2 2) )如何建立由如何建立由“病人數(shù)、醫(yī)生數(shù)、工作人員數(shù)、門診所數(shù)、死病人數(shù)、醫(yī)生數(shù)、工作人員數(shù)、門診所數(shù)、死亡率亡率”對(duì)城市醫(yī)療能力的對(duì)城市醫(yī)療能力的非線性綜合評(píng)價(jià)非線性綜合評(píng)價(jià)模型？即如何求模型？即如何求f2f2： Y2= f2 (

2、 (X X1 1,X,X2 2,X,X5 5), Y2), Y2、XiXi取值取值 V,g,a,b?V,g,a,b? 3)3)如何建立食品（交通、生產(chǎn)、投資）安全風(fēng)險(xiǎn)的如何建立食品（交通、生產(chǎn)、投資）安全風(fēng)險(xiǎn)的預(yù)測(cè)預(yù)測(cè)模型？模型？ 思路：思路：1 1）對(duì)收集數(shù)據(jù)進(jìn)行處理分析，提取有代表性樣本；）對(duì)收集數(shù)據(jù)進(jìn)行處理分析，提取有代表性樣本； 2 2）構(gòu)建輸入變量與輸出變量之間的函數(shù)關(guān)系）構(gòu)建輸入變量與輸出變量之間的函數(shù)關(guān)系F1F1，F(xiàn)2F2，使，使F1F1，F(xiàn)2F2逼近實(shí)際關(guān)系逼近實(shí)際關(guān)系f1,f2f1,f2，并替代，并替代f1,f2f1,f2應(yīng)用。應(yīng)用。 3 3）可以采用樣本學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)方法建

3、立這些模型。）可以采用樣本學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)方法建立這些模型。四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)主要問題：主要問題： 1 1）什么是神經(jīng)網(wǎng)絡(luò)？）什么是神經(jīng)網(wǎng)絡(luò)？2 2）如何建立神經(jīng)網(wǎng)絡(luò)？）如何建立神經(jīng)網(wǎng)絡(luò)？3 3）如何應(yīng)用神經(jīng)網(wǎng)絡(luò)？）如何應(yīng)用神經(jīng)網(wǎng)絡(luò)？( (人工人工) )神經(jīng)網(wǎng)絡(luò)（神經(jīng)網(wǎng)絡(luò)（ARTIFICIAL NEURAL NETWORK ARTIFICIAL NEURAL NETWORK 簡記簡記ANN)ANN)： 一種模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能而建立的一種模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能而建立的信息處理系統(tǒng)。信息處理系統(tǒng)。 表示神經(jīng)網(wǎng)絡(luò)的輸入與輸出變量之間關(guān)系的模型，稱為表示神經(jīng)網(wǎng)絡(luò)

4、的輸入與輸出變量之間關(guān)系的模型，稱為神經(jīng)神經(jīng)網(wǎng)絡(luò)模型。網(wǎng)絡(luò)模型。兩層神經(jīng)兩層神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)三層神經(jīng)三層神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)思路：思路：通過下面已證明定理構(gòu)建神經(jīng)網(wǎng)絡(luò)模型通過下面已證明定理構(gòu)建神經(jīng)網(wǎng)絡(luò)模型通過線性組合的映射、再線性組合形式構(gòu)建函數(shù)構(gòu)建函數(shù)逼近實(shí)際函數(shù)關(guān)鍵問題：關(guān)鍵問題：如何求構(gòu)建模型的參數(shù)如何求構(gòu)建模型的參數(shù)Wij,Wij,i,Ci?i,Ci?思路：思路：通過樣本學(xué)習(xí)不斷獲取信息修正模型參數(shù)，以求出最優(yōu)的一組模型參數(shù)。通過樣本學(xué)習(xí)不斷獲取信息修正模型參數(shù)，以求出最優(yōu)的一組模型參數(shù)。步驟：步驟：1 1）首先隨機(jī)生成模型參數(shù)，）首先隨機(jī)生成模型參

5、數(shù)， 2) 2) 代入樣本輸入代入樣本輸入XiXi到模型；到模型； 3 3）用參數(shù)與）用參數(shù)與XiXi的值計(jì)算模型輸出的值計(jì)算模型輸出O O； 4 4）計(jì)算模型輸出）計(jì)算模型輸出O O與樣本輸出與樣本輸出Y Y偏差偏差D=D=O-YO-Y, , 5) 5)以偏差以偏差D D修正模型參數(shù)，修正模型參數(shù)， 6 6）重復(fù)）重復(fù)2 2）55）步驟，使模型輸出）步驟，使模型輸出O O與樣本輸出與樣本輸出Y Y偏差偏差D D最小。最小。四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)常用的映射函數(shù)為：常用的映射函數(shù)為：四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)P105四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法

6、神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)補(bǔ)充補(bǔ)充四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)補(bǔ)充補(bǔ)充四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)1層或?qū)踊?層，多個(gè)輸入，多個(gè)輸出層，多個(gè)輸入，多個(gè)輸出P104四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)感知機(jī)建立過程：感知機(jī)建立過程： P106四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò) Y00P106四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)0011P106四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)P106四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)補(bǔ)充補(bǔ)充（總結(jié)）總結(jié)）四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)補(bǔ)充補(bǔ)充四、數(shù)據(jù)

7、挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)補(bǔ)充補(bǔ)充四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)P106四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò) Y以以Y=1記記A類，以類，以Y=0記記B類類如果如果改變改變1 1號(hào)樣本，即號(hào)樣本，即 x1=1,x2=1,y=1，改為，改為 x1=1,x2=1,y=0，上述修正的參數(shù)為上述修正的參數(shù)為 O1=f(W11*X1+W12*X2)=f(0*1+0*1)=f(0)=0,誤差為誤差為 D=O1-y1 =0-0=0修正量修正量: W11(1)=d*X1=0, W12(1)=d*X2=0, 修正參數(shù)：修正參數(shù)：W11(1)=W11(0)+W11(1)

8、=0+0=0, W12(1)=W12(0)+W12(1)=0+0=0再學(xué)習(xí)再學(xué)習(xí)2號(hào)樣本號(hào)樣本(x1=1,x2=0,y=1):O2=f(0*1+0*0)=0,Y2=1, 誤差為誤差為D=Y2-O2=1-0=1， W11(2)=d*X1=1, W12(2)=d*X2=0, W11(1)=1， W12(1)=0檢驗(yàn)檢驗(yàn)3號(hào)樣本號(hào)樣本(x1=0,x2=1,y=1):O3=f(1*0+0*1)=0,Y3=1, 誤差為誤差為D=Y3-O3=1-0=1檢驗(yàn)檢驗(yàn)4號(hào)樣本號(hào)樣本(x1=1,x2=1,y=1):O4=f(0*0+0*0)=0,Y4=0, 誤差為誤差為D=Y4-O4=0-0=0此時(shí)，誤差已增大，即

9、感知機(jī)模型對(duì)于此時(shí)，誤差已增大，即感知機(jī)模型對(duì)于非非線性樣本識(shí)別能力很弱。線性樣本識(shí)別能力很弱。問題：問題：對(duì)于非線性樣本，應(yīng)該如何設(shè)計(jì)網(wǎng)絡(luò)的結(jié)構(gòu)、映射和輸入、輸出？對(duì)于非線性樣本，應(yīng)該如何設(shè)計(jì)網(wǎng)絡(luò)的結(jié)構(gòu)、映射和輸入、輸出？四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò) Y 0P107四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)P107四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)P108四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)隱隱修正公式推導(dǎo)見下面修正公式推導(dǎo)見下面常用的輸入輸出定義常用的輸入輸出定義1 1、輸入層變量定義：、輸入層變量定義： 1 1）定義為自變量個(gè)數(shù)）定義為

10、自變量個(gè)數(shù)x1,x2,xnx1,x2,xn 2 2） x1,x2,xnx1,x2,xn已類型一致、無量綱；已類型一致、無量綱； 3 3）輸入節(jié)點(diǎn)數(shù)一般等于變量數(shù)。）輸入節(jié)點(diǎn)數(shù)一般等于變量數(shù)。2 2、隱層節(jié)點(diǎn)變量數(shù)、隱層節(jié)點(diǎn)變量數(shù)L L定義：定義： 1 1）一般定義：）一般定義：輸入節(jié)點(diǎn)變量數(shù)輸入節(jié)點(diǎn)變量數(shù)LL輸出節(jié)點(diǎn)變量數(shù)；輸出節(jié)點(diǎn)變量數(shù)； 2 2）優(yōu)化定義）優(yōu)化定義 （1 1）對(duì)于可能的隱節(jié)點(diǎn)數(shù)）對(duì)于可能的隱節(jié)點(diǎn)數(shù)L1,L2,Lm,L1,L2,Lm,指定學(xué)習(xí)次數(shù)指定學(xué)習(xí)次數(shù)，對(duì)相，對(duì)相同的輸入輸出，比較不同隱節(jié)點(diǎn)數(shù)下的同的輸入輸出，比較不同隱節(jié)點(diǎn)數(shù)下的網(wǎng)絡(luò)誤差網(wǎng)絡(luò)誤差，誤差小的對(duì)應(yīng)隱，誤差小

11、的對(duì)應(yīng)隱節(jié)點(diǎn)數(shù)最優(yōu)。節(jié)點(diǎn)數(shù)最優(yōu)。 （2 2）對(duì)于可能的隱節(jié)點(diǎn)數(shù)）對(duì)于可能的隱節(jié)點(diǎn)數(shù)L1,L2,Lm,L1,L2,Lm,指定網(wǎng)絡(luò)誤差指定網(wǎng)絡(luò)誤差，對(duì)相，對(duì)相同的輸入輸出，比較不同隱節(jié)點(diǎn)數(shù)下的同的輸入輸出，比較不同隱節(jié)點(diǎn)數(shù)下的學(xué)習(xí)次數(shù)學(xué)習(xí)次數(shù)，達(dá)到誤差的最少，達(dá)到誤差的最少學(xué)習(xí)次數(shù)學(xué)習(xí)次數(shù)的隱節(jié)點(diǎn)數(shù)最優(yōu)。的隱節(jié)點(diǎn)數(shù)最優(yōu)。四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)3 3、輸出節(jié)點(diǎn)變量定義：、輸出節(jié)點(diǎn)變量定義： 1)1)由于網(wǎng)絡(luò)輸出（計(jì)算輸出）受映射函數(shù)值域影響，所以樣本輸出的定義由于網(wǎng)絡(luò)輸出（計(jì)算輸出）受映射函數(shù)值域影響，所以樣本輸出的定義域需要轉(zhuǎn)換為與網(wǎng)絡(luò)輸出定義域一致。域需要轉(zhuǎn)換為與網(wǎng)絡(luò)輸

12、出定義域一致。 2 2）樣本輸出可以定義為）樣本輸出可以定義為1 1個(gè)或多個(gè)輸出個(gè)或多個(gè)輸出 3 3）對(duì)應(yīng)樣本的一個(gè)或多個(gè)輸出，網(wǎng)絡(luò)輸出也有一個(gè)或多個(gè)輸出定義。）對(duì)應(yīng)樣本的一個(gè)或多個(gè)輸出，網(wǎng)絡(luò)輸出也有一個(gè)或多個(gè)輸出定義。四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)樣本樣本輸出定義輸出定義級(jí)別轉(zhuǎn)換為區(qū)間（級(jí)別轉(zhuǎn)換為區(qū)間（0，1）的值）的值四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)模型模型輸出定義輸出定義區(qū)間（區(qū)間（0，1）值轉(zhuǎn)換為級(jí)別）值轉(zhuǎn)換為級(jí)別例：當(dāng)輸出是例：當(dāng)輸出是0.55時(shí)，由于時(shí)，由于 0.55-0.63 =0.08 0.55-0.37 =0.

13、18 所以，判別輸出所以，判別輸出Y屬于屬于3級(jí)。級(jí)。四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)模型模型輸出定義輸出定義區(qū)間（區(qū)間（0，1）值轉(zhuǎn)換為級(jí)別）值轉(zhuǎn)換為級(jí)別四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)BPBP模型應(yīng)用模型應(yīng)用XORXOR問題問題ClementineClementine求解求解問題：對(duì)修改對(duì)修改X1=1,X2=1,Y=1X1=1,X2=1,Y=1為為X1=1,X2=1,Y=0X1=1,X2=1,Y=0的的非線性樣本非線性樣本（稱為（稱為XORXOR問題），應(yīng)用數(shù)據(jù)挖掘軟件問題），應(yīng)用數(shù)據(jù)挖掘軟件ClementineClementine建立具有非

14、線性映射特建立具有非線性映射特點(diǎn)的點(diǎn)的BPBP模型，求解結(jié)果如下：模型，求解結(jié)果如下：對(duì)應(yīng)隱節(jié)點(diǎn)數(shù)選擇不同，對(duì)應(yīng)隱節(jié)點(diǎn)數(shù)選擇不同，BPBP神經(jīng)網(wǎng)絡(luò)模型結(jié)果不同：神經(jīng)網(wǎng)絡(luò)模型結(jié)果不同：四、基于數(shù)據(jù)挖掘的決策方法概述四、基于數(shù)據(jù)挖掘的決策方法概述神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)圖圖: 5: 5個(gè)隱節(jié)點(diǎn)的結(jié)果輸出個(gè)隱節(jié)點(diǎn)的結(jié)果輸出BPBP模型應(yīng)用模型應(yīng)用XORXOR問題問題ClementineClementine求解求解P108p109四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)P109四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)P109P110四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)分四級(jí)：評(píng)

15、價(jià)分四級(jí)： v非常好，非常好， g好，好， a 一般，一般， b差差P123四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)城市醫(yī)療能力綜合評(píng)價(jià)城市醫(yī)療能力綜合評(píng)價(jià)BP模型建立模型建立四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)城市醫(yī)療能力綜合評(píng)價(jià)城市醫(yī)療能力綜合評(píng)價(jià)BP模型建立模型建立需要將定性的取值轉(zhuǎn)換為定量取值，并映射到需要將定性的取值轉(zhuǎn)換為定量取值，并映射到【0，1】四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)P125四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)P125四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)用一個(gè)輸出變量表示用一個(gè)輸出變量表示P125四、數(shù)據(jù)挖掘方

16、法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)P126四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)級(jí)別表示級(jí)別表示 V V b a a b a v g g P126四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)四種動(dòng)物識(shí)別模型的建立四種動(dòng)物識(shí)別模型的建立補(bǔ)充補(bǔ)充 四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)應(yīng)改應(yīng)改1為為t四種動(dòng)物識(shí)別模型的建立四種動(dòng)物識(shí)別模型的建立補(bǔ)充補(bǔ)充四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)O=(O1,O2,O3,O4)O1O2O3O4Oi(0,1),i=1,2,3,4OOO(0,1)1)1)多輸出表示：多輸出表示：2)2)單輸出表示：若輸出用單輸出表示：若輸出用Y

17、 Y表示，則表示，則Y Y轉(zhuǎn)換為轉(zhuǎn)換為【0.10.1，0.90.9】中的值。中的值。 四種動(dòng)物識(shí)別模型的建立四種動(dòng)物識(shí)別模型的建立補(bǔ)充補(bǔ)充四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)補(bǔ)充補(bǔ)充四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)Clementine輔助城市醫(yī)療能力綜合評(píng)價(jià)輔助城市醫(yī)療能力綜合評(píng)價(jià)BP模型建立模型建立1 1、導(dǎo)入評(píng)價(jià)樣本數(shù)據(jù)并選、導(dǎo)入評(píng)價(jià)樣本數(shù)據(jù)并選 擇模型；擇模型；2 2、設(shè)置參數(shù)、設(shè)置參數(shù)四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)樣本樣本BPBP預(yù)測(cè)預(yù)測(cè)絕對(duì)平均誤差絕對(duì)平均誤差建模樣本建模樣本0.0420.042檢驗(yàn)樣本檢驗(yàn)樣本0.140.14四、數(shù)據(jù)挖掘

18、方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)Clementine輔助城市醫(yī)療能力綜合評(píng)價(jià)輔助城市醫(yī)療能力綜合評(píng)價(jià)BP模型建立模型建立建模樣本建模樣本樣本樣本病人病人數(shù)數(shù)醫(yī)生數(shù)醫(yī)生數(shù)工作人工作人員員數(shù)數(shù)門診所數(shù)門診所數(shù)死亡率死亡率醫(yī)療能力評(píng)價(jià)醫(yī)療能力評(píng)價(jià)預(yù)測(cè)醫(yī)療能預(yù)測(cè)醫(yī)療能力力上海上海0.50.51.51.51.51.51.51.5-1.5-1.51.0000 1.0000 0.9319 0.9319 北京北京-0.5-0.51.51.51.51.51.51.50.50.51.0000 1.0000 0.9800 0.9800 沈陽沈陽-1.5-1.5-1.5-1.5-1.5-1.5-0.5-0.50.

19、50.50.0000 0.0000 0.0337 0.0337 武漢武漢0.50.50.50.50.50.5-0.5-0.5-1.5-1.50.3333 0.3333 0.2429 0.2429 哈爾濱哈爾濱1.51.50.50.5-0.5-0.5-1.5-1.5-0.5-0.50.3333 0.3333 0.3732 0.3732 重慶重慶0.50.50.50.5-1.5-1.5-1.5-1.5-1.5-1.50.0000 0.0000 0.0364 0.0364 成都成都-0.5-0.50.50.50.50.5-0.5-0.5-0.5-0.50.3333 0.3333 0.3806 0.3

20、806 蘭州蘭州1.51.50.50.5-0.5-0.50.50.51.51.51.0000 1.0000 0.9754 0.9754 青島青島0.50.5-1.5-1.51.51.51.51.5-0.5-0.50.6667 0.6667 0.6884 0.6884 鞍山鞍山0.50.5-0.5-0.5-0.5-0.5-1.5-1.51.51.50.6667 0.6667 0.6318 0.6318 Clementine輔助城市醫(yī)療能力綜合評(píng)價(jià)輔助城市醫(yī)療能力綜合評(píng)價(jià)BP模型建立模型建立四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)檢驗(yàn)樣本檢驗(yàn)樣本樣本樣本病人數(shù)病人數(shù)醫(yī)生數(shù)醫(yī)生數(shù)工作人員工作

21、人員數(shù)數(shù)門診所數(shù)門診所數(shù)死亡率死亡率醫(yī)療能力醫(yī)療能力評(píng)價(jià)評(píng)價(jià)$N-醫(yī)療能醫(yī)療能力評(píng)價(jià)力評(píng)價(jià)天津-1.50.5-1.50.5-0.50.0000 0.1376 廣州-0.50.50.50.5-0.50.6667 0.6357 南京-1.50.50.50.5-0.50.6667 0.4148 西安0.50.5-0.50.50.50.6667 0.8954 長春0.50.50.5-0.50.50.6667 0.8698 太原1.50.50.50.51.51.0000 0.9820 大連-1.5-0.5-1.5-0.50.50.0000 0.0794 濟(jì)南1.51.51.50.5-0.51.0000

22、0.9707 撫順0.5-1.5-1.5-1.50.50.3333 0.0553 問題：問題：如果直接以醫(yī)療評(píng)價(jià)醫(yī)療能力的五個(gè)因素變量的連續(xù)數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)如果直接以醫(yī)療評(píng)價(jià)醫(yī)療能力的五個(gè)因素變量的連續(xù)數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入，而不轉(zhuǎn)為四個(gè)級(jí)別的取值的輸入，而不轉(zhuǎn)為四個(gè)級(jí)別的取值V,g,a,b,這樣建立模型是否可以？這樣建立模型是否可以？Clementine輔助城市醫(yī)療能力綜合評(píng)價(jià)輔助城市醫(yī)療能力綜合評(píng)價(jià)BP模型建立模型建立四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)樣本樣本病人數(shù)病人數(shù)醫(yī)生醫(yī)生數(shù)數(shù)工作人工作人員員數(shù)數(shù)門診所數(shù)門診所數(shù)死亡率死亡率醫(yī)療能力醫(yī)療能力評(píng)評(píng)價(jià)價(jià)1 1醫(yī)療能力評(píng)價(jià)醫(yī)療

23、能力評(píng)價(jià)2 2醫(yī)療能力評(píng)價(jià)醫(yī)療能力評(píng)價(jià)3 3醫(yī)療能力評(píng)價(jià)醫(yī)療能力評(píng)價(jià)4 4建模樣本建模樣本上海上海0.50.51.51.51.51.51.51.5-1.5-1.51 10 00 00 0北京北京-0.5-0.51.51.51.51.51.51.50.50.51 10 00 00 0沈陽沈陽-1.5-1.5-1.5-1.5-1.5-1.5-0.5-0.50.50.50 00 00 01 1武漢武漢0.50.50.50.50.50.5-0.5-0.5-1.5-1.50 00 01 10 0哈爾濱哈爾濱1.51.50.50.5-0.5-0.5-1.5-1.5-0.5-0.50 00 01 10 0重

24、慶重慶0.50.50.50.5-1.5-1.5-1.5-1.5-1.5-1.50 00 00 01 1成都成都-0.5-0.50.50.50.50.5-0.5-0.5-0.5-0.50 00 01 10 0蘭州蘭州1.51.50.50.5-0.5-0.50.50.51.51.51 10 00 00 0青島青島0.50.5-1.5-1.51.51.51.51.5-0.5-0.50 01 10 00 0鞍山鞍山0.50.5-0.5-0.5-0.5-0.5-1.5-1.51.51.50 01 10 00 0檢驗(yàn)樣本檢驗(yàn)樣本天津天津-1.5-1.50.50.5-1.5-1.50.50.5-0.5-0.

25、50 00 00 01 1廣州廣州-0.5-0.50.50.50.50.50.50.5-0.5-0.50 01 10 00 0南京南京-1.5-1.50.50.50.50.50.50.5-0.5-0.50 01 10 00 0西安西安0.50.50.50.5-0.5-0.50.50.50.50.50 01 10 00 0長春長春0.50.50.50.50.50.5-0.5-0.50.50.50 01 10 00 0太原太原1.51.50.50.50.50.50.50.51.51.51 10 00 00 0大連大連-1.5-1.5-0.5-0.5-1.5-1.5-0.5-0.50.50.50 0

26、0 00 01 1濟(jì)南濟(jì)南1.51.51.51.51.51.50.50.5-0.5-0.51 10 00 00 0撫順撫順0.50.5-1.5-1.5-1.5-1.5-1.5-1.50.50.50 00 01 10 0城市醫(yī)療能力綜合評(píng)價(jià)城市醫(yī)療能力綜合評(píng)價(jià)BP模型模型-多輸出設(shè)計(jì)多輸出設(shè)計(jì)四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)城市醫(yī)療能力綜合評(píng)價(jià)城市醫(yī)療能力綜合評(píng)價(jià)BP模型模型-多輸出設(shè)計(jì)多輸出設(shè)計(jì)城市醫(yī)療能力綜合評(píng)價(jià)城市醫(yī)療能力綜合評(píng)價(jià)BP模型模型-多輸出設(shè)計(jì)多輸出設(shè)計(jì)模型運(yùn)行：模型運(yùn)行：用鼠標(biāo)單擊數(shù)據(jù)用鼠標(biāo)單擊數(shù)據(jù)excelexcel節(jié)點(diǎn)，然后雙擊模型結(jié)果節(jié)點(diǎn)，把結(jié)果加入到節(jié)點(diǎn)

27、，然后雙擊模型結(jié)果節(jié)點(diǎn)，把結(jié)果加入到流中；用鼠標(biāo)單擊模型結(jié)果節(jié)點(diǎn)，然后雙擊窗口下方的輸出中的流中；用鼠標(biāo)單擊模型結(jié)果節(jié)點(diǎn)，然后雙擊窗口下方的輸出中的“表表”節(jié)點(diǎn)，將節(jié)點(diǎn)，將“表表”節(jié)點(diǎn)加入到流中。節(jié)點(diǎn)加入到流中。得到模型結(jié)果如下：得到模型結(jié)果如下： 實(shí)際樣本輸出實(shí)際樣本輸出模型輸出模型輸出模型檢驗(yàn)：模型檢驗(yàn)：為了對(duì)未參與建模的數(shù)據(jù)進(jìn)行預(yù)測(cè)，可以將數(shù)據(jù)導(dǎo)入流中，如下圖所為了對(duì)未參與建模的數(shù)據(jù)進(jìn)行預(yù)測(cè)，可以將數(shù)據(jù)導(dǎo)入流中，如下圖所示連接模型。數(shù)據(jù)類型定義與建模樣本一致?？梢赃x擇運(yùn)行示連接模型。數(shù)據(jù)類型定義與建模樣本一致?？梢赃x擇運(yùn)行“表表”節(jié)點(diǎn)，得節(jié)點(diǎn)，得到預(yù)測(cè)結(jié)果。到預(yù)測(cè)結(jié)果。城市醫(yī)療能力綜合評(píng)

28、價(jià)城市醫(yī)療能力綜合評(píng)價(jià)BP模型模型-多輸出設(shè)計(jì)多輸出設(shè)計(jì)城市醫(yī)療能力綜合評(píng)價(jià)城市醫(yī)療能力綜合評(píng)價(jià)BP模型模型-多輸出設(shè)計(jì)多輸出設(shè)計(jì)單輸出單輸出四輸出四輸出樣本樣本醫(yī)療能力評(píng)價(jià)醫(yī)療能力評(píng)價(jià)$R-$R-醫(yī)療能力評(píng)價(jià)醫(yī)療能力評(píng)價(jià)$R-$R-醫(yī)療能力評(píng)價(jià)醫(yī)療能力評(píng)價(jià)建模樣本建模樣本上海上海1.51.51.3691 1.3691 1.3934 1.3934 北京北京1.51.51.4707 1.4707 1.4355 1.4355 沈陽沈陽-1.5-1.5-1.4760 -1.4760 -1.4274 -1.4274 武漢武漢-0.5-0.5-0.6173 -0.6173 -0.4587 -0.4587

29、 哈爾濱哈爾濱-0.5-0.5-0.4299 -0.4299 -0.4775 -0.4775 重慶重慶-1.5-1.5-1.4750 -1.4750 -1.4583 -1.4583 成都成都-0.5-0.5-0.3873 -0.3873 -0.4406 -0.4406 蘭州蘭州1.51.51.4578 1.4578 1.4261 1.4261 青島青島0.50.50.5385 0.5385 0.4956 0.4956 鞍山鞍山0.50.50.4395 0.4395 0.4391 0.4391 均方誤差均方誤差0.0057 0.0057 0.0037 0.0037 檢驗(yàn)樣本檢驗(yàn)樣本天津天津-1.

30、5-1.5-1.4344 -1.4344 -1.4171 -1.4171 廣州廣州0.50.50.4915 0.4915 1.2855 1.2855 南京南京0.50.5-0.4965 -0.4965 0.7345 0.7345 西安西安0.50.51.1951 1.1951 1.4212 1.4212 長春長春0.50.51.2552 1.2552 1.1041 1.1041 太原太原1.51.51.4732 1.4732 1.4269 1.4269 大連大連-1.5-1.5-1.4552 -1.4552 -1.4503 -1.4503 濟(jì)南濟(jì)南1.51.51.4597 1.4597 1.3

31、650 1.3650 撫順撫順-0.5-0.5-1.4216 -1.4216 -1.2744 -1.2744 均方誤差均方誤差0.3228 0.3228 0.2798 0.2798 模型結(jié)果對(duì)比：模型結(jié)果對(duì)比：為了將四輸出為了將四輸出BP神經(jīng)網(wǎng)絡(luò)與神經(jīng)網(wǎng)絡(luò)與1輸出輸出BP神經(jīng)網(wǎng)絡(luò)結(jié)果可以對(duì)比，神經(jīng)網(wǎng)絡(luò)結(jié)果可以對(duì)比，需要將四輸出神經(jīng)網(wǎng)絡(luò)的結(jié)需要將四輸出神經(jīng)網(wǎng)絡(luò)的結(jié)果進(jìn)行轉(zhuǎn)換，將輸出結(jié)果看果進(jìn)行轉(zhuǎn)換，將輸出結(jié)果看成權(quán)重，對(duì)輸出結(jié)果進(jìn)行加成權(quán)重，對(duì)輸出結(jié)果進(jìn)行加權(quán)平均。權(quán)平均。例如天津四輸出的預(yù)測(cè)結(jié)果為例如天津四輸出的預(yù)測(cè)結(jié)果為（0.0268,0,0,0.943），則），則醫(yī)療能力平均值為醫(yī)療能力平

32、均值為=1.5*0.0268/(0.0268+0.943) -1.5*0.943/(0.0268+0.943)=-1.4171。 結(jié)論：結(jié)論： 選用多輸出進(jìn)行建模，選用多輸出進(jìn)行建模，模型的均分誤差有所減小。模型的均分誤差有所減小。 RBFRBF神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)(Radial Basis Function Neural Network)(Radial Basis Function Neural Network) RBF RBF神經(jīng)網(wǎng)絡(luò)是一種三層前饋式神經(jīng)網(wǎng)絡(luò)，由輸入層、隱神經(jīng)網(wǎng)絡(luò)是一種三層前饋式神經(jīng)網(wǎng)絡(luò)，由輸入層、隱含層和輸出層構(gòu)成。含層和輸出層構(gòu)成。 RBF結(jié)構(gòu)結(jié)構(gòu)P114四、數(shù)據(jù)挖掘方法四

33、、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)BPBP神經(jīng)網(wǎng)絡(luò)模型優(yōu)缺點(diǎn)：神經(jīng)網(wǎng)絡(luò)模型優(yōu)缺點(diǎn)： 1 1、優(yōu)點(diǎn)：具有容錯(cuò)性、非線性性、自適應(yīng)性。、優(yōu)點(diǎn)：具有容錯(cuò)性、非線性性、自適應(yīng)性。 2 2、缺點(diǎn)：樣本學(xué)習(xí)缺點(diǎn)：樣本學(xué)習(xí)容易陷入局部極小容易陷入局部極小，使獲取的模型參數(shù)，使獲取的模型參數(shù)只是只是局部最優(yōu)而不是全局最優(yōu)。局部最優(yōu)而不是全局最優(yōu)。 RBFRBF神經(jīng)網(wǎng)絡(luò)模型特點(diǎn)神經(jīng)網(wǎng)絡(luò)模型特點(diǎn)： 1 1）輸入層到隱層的映射是由輸入層到隱層的映射是由徑向基函數(shù)實(shí)現(xiàn)的徑向基函數(shù)實(shí)現(xiàn)的非線性非線性變換。當(dāng)輸入變換。當(dāng)輸入XiXi接近類中心表示的隱結(jié)點(diǎn)時(shí)，網(wǎng)絡(luò)響應(yīng)較大，否則響應(yīng)較小。接近類中心表示的隱結(jié)點(diǎn)時(shí)，網(wǎng)絡(luò)響應(yīng)較大，

34、否則響應(yīng)較小。 2 2）隱層到輸出層的映射是線性變換。隱層到輸出層的映射是線性變換。 3 3）只有一層權(quán)值參數(shù)。仍采用負(fù)梯度修正權(quán)值的學(xué)習(xí)算法只有一層權(quán)值參數(shù)。仍采用負(fù)梯度修正權(quán)值的學(xué)習(xí)算法。RBFRBF（徑向基函數(shù)）神經(jīng)網(wǎng)絡(luò)徑向基函數(shù)）神經(jīng)網(wǎng)絡(luò)模型表示模型表示類中心作隱結(jié)點(diǎn)類中心作隱結(jié)點(diǎn)看作類半徑看作類半徑四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)P115四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)P115RBFRBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充補(bǔ)充四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)RBFRBF神

35、經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充補(bǔ)充輸出誤差應(yīng)去掉絕對(duì)值輸出誤差應(yīng)去掉絕對(duì)值RBFRBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充補(bǔ)充四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)RBFRBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充補(bǔ)充四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)補(bǔ)充補(bǔ)充四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)隱節(jié)點(diǎn)隱節(jié)點(diǎn)：輸出誤差應(yīng)去掉絕對(duì)值輸出誤差應(yīng)去掉絕對(duì)值RBFRBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充補(bǔ)充四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)RBFRBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題神經(jīng)網(wǎng)絡(luò)求解

36、兩值邏輯問題補(bǔ)充補(bǔ)充四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)RBFRBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充補(bǔ)充四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)Clementine12Clementine12輔助輔助RBFRBF神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)模型模型-城市醫(yī)療能力評(píng)價(jià)城市醫(yī)療能力評(píng)價(jià)建模樣本建模樣本樣本樣本病人數(shù)病人數(shù)醫(yī)生數(shù)醫(yī)生數(shù)工作人員工作人員數(shù)數(shù)門診所數(shù)門診所數(shù)死亡率死亡率醫(yī)療能力醫(yī)療能力評(píng)價(jià)評(píng)價(jià)預(yù)測(cè)預(yù)測(cè)醫(yī)療能力醫(yī)療能力上海上海0.50.51.51.51.51.51.51.5-1.5-1.51.0000 1.0000 1.0302 1.0302 北京北京-0.5-

37、0.51.51.51.51.51.51.50.50.51.0000 1.0000 1.0660 1.0660 沈陽沈陽-1.5-1.5-1.5-1.5-1.5-1.5-0.5-0.50.50.50.0000 0.0000 -0.0289 -0.0289 武漢武漢0.50.50.50.50.50.5-0.5-0.5-1.5-1.50.3333 0.3333 0.4113 0.4113 哈爾濱哈爾濱1.51.50.50.5-0.5-0.5-1.5-1.5-0.5-0.50.3333 0.3333 0.5087 0.5087 重慶重慶0.50.50.50.5-1.5-1.5-1.5-1.5-1.5-

38、1.50.0000 0.0000 -0.0518 -0.0518 成都成都-0.5-0.50.50.50.50.5-0.5-0.5-0.5-0.50.3333 0.3333 0.4435 0.4435 蘭州蘭州1.51.50.50.5-0.5-0.50.50.51.51.51.0000 1.0000 1.1474 1.1474 青島青島0.50.5-1.5-1.51.51.51.51.5-0.5-0.50.6667 0.6667 0.7157 0.7157 鞍山鞍山0.50.5-0.5-0.5-0.5-0.5-1.5-1.51.51.50.6667 0.6667 0.7521 0.7521 C

39、lementine12Clementine12輔助輔助RBFRBF神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)模型模型-城市醫(yī)療能力評(píng)價(jià)城市醫(yī)療能力評(píng)價(jià)四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)檢驗(yàn)樣本檢驗(yàn)樣本樣本樣本病人數(shù)病人數(shù)醫(yī)生數(shù)醫(yī)生數(shù)工作人員工作人員數(shù)數(shù)門診所數(shù)門診所數(shù)死亡率死亡率醫(yī)療能力評(píng)醫(yī)療能力評(píng)價(jià)價(jià)預(yù)測(cè)醫(yī)療能預(yù)測(cè)醫(yī)療能力力天津天津-1.5-1.50.50.5-1.5-1.50.50.5-0.5-0.50.0000 0.0000 0.0937 0.0937 廣州廣州-0.5-0.50.50.50.50.50.50.5-0.5-0.50.6667 0.6667 0.7134 0.7134 南京南京-1.5

40、-1.50.50.50.50.50.50.5-0.5-0.50.6667 0.6667 0.4387 0.4387 西安西安0.50.50.50.5-0.5-0.50.50.50.50.50.6667 0.6667 0.9910 0.9910 長春長春0.50.50.50.50.50.5-0.5-0.50.50.50.6667 0.6667 0.9284 0.9284 太原太原1.51.50.50.50.50.50.50.51.51.51.0000 1.0000 1.2152 1.2152 大連大連-1.5-1.5-0.5-0.5-1.5-1.5-0.5-0.50.50.50.0000 0.0

41、000 0.0584 0.0584 濟(jì)南濟(jì)南1.51.51.51.51.51.50.50.5-0.5-0.51.0000 1.0000 1.0468 1.0468 撫順撫順0.50.5-1.5-1.5-1.5-1.5-1.5-1.50.50.50.3333 0.3333 0.3312 0.3312 樣本樣本BP BP 模型模型絕對(duì)平均誤差絕對(duì)平均誤差RBFRBF模型模型 絕對(duì)平均誤差絕對(duì)平均誤差建模樣本建模樣本0.0420.0420.0820.082檢驗(yàn)樣本檢驗(yàn)樣本0.140.140.1420.142Clementine12Clementine12輔助輔助RBFRBF神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)模型模型-

42、城市醫(yī)療能力評(píng)價(jià)城市醫(yī)療能力評(píng)價(jià)RBFRBF神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)補(bǔ)充補(bǔ)充四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)即即hi=G(|x-ti|)樣本樣本xj代入后有代入后有g(shù)ji=hji=G(|xj-ti|)有常數(shù)項(xiàng)有常數(shù)項(xiàng),且且i中心是中心是ti這里是通過這里是通過LSLS估計(jì)量來求模型參數(shù)，而不是通過樣本學(xué)習(xí)修正形式獲估計(jì)量來求模型參數(shù)，而不是通過樣本學(xué)習(xí)修正形式獲取取RBFRBF神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)補(bǔ)充補(bǔ)充RBFRBF神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)補(bǔ)充補(bǔ)充四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)自組織（自組織（Kohonen)Kohonen)神經(jīng)網(wǎng)絡(luò)

43、：神經(jīng)網(wǎng)絡(luò)：P118四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)自組織（自組織（Kohonen)Kohonen)神經(jīng)網(wǎng)絡(luò)：神經(jīng)網(wǎng)絡(luò)：四、數(shù)據(jù)挖掘方法四、數(shù)據(jù)挖掘方法神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)問題：對(duì)于一組無指導(dǎo)（示教）的樣本，未知聚類數(shù)，如何聚類問題：對(duì)于一組無指導(dǎo)（示教）的樣本，未知聚類數(shù)，如何聚類? ?思路思路:1）對(duì)于輸入樣本）對(duì)于輸入樣本xi=(xi1,xi2,xin) 2）在平面上）在平面上二維二維(x,y)表示表示N個(gè)神經(jīng)元節(jié)點(diǎn)，使每神經(jīng)元表示一輸出類別；個(gè)神經(jīng)元節(jié)點(diǎn)，使每神經(jīng)元表示一輸出類別； 3）隨機(jī)生成對(duì)應(yīng)神經(jīng)元）隨機(jī)生成對(duì)應(yīng)神經(jīng)元j的權(quán)值的權(quán)值wj=(wj1,wj2,wjn)，j=1,2,N；