¿Qué es una red neuronal?
La red neuronal es un modelo de datos que simula el modo de pensamiento neuronal del cerebro humano. Existen muchos tipos de redes neuronales, incluida la red neuronal BP, la red neuronal convolucional, el perceptrón multicapa MLP, etc. las más populares son La red neuronal clásica es el perceptrón multicapa MLP (Percepción multicapa), y SPSSAU utiliza este modelo de forma predeterminada. Al igual que otros modelos de aprendizaje automático (como árboles de decisión, bosques aleatorios, máquinas de vectores de soporte, SVM, etc.), al construir un modelo de red neuronal, los datos primero se dividen en un conjunto de entrenamiento y un conjunto de prueba. se usa para entrenar el modelo, y el conjunto de prueba se usa para probar los pros y los contras, y el modelo de red neuronal se puede usar para la identificación de características importantes, predicción de datos o modelos entrenados para uso en ingeniería de implementación, etc.
El principio de la red neuronal es el siguiente:
En principio, primero ingrese el elemento de característica Características, por ejemplo, la entrada es sexo, edad, altura, peso, etc. , que se combinan con la "función de activación" para construir algunos "elementos de pseudocaracterísticas" (es decir, el hecho no existe, los elementos de características están completamente construidos por el modelo y son términos de características inexplicables), en términos de construcción específica Por ejemplo, cuando se trata de una función de activación lineal, se puede entender intuitivamente como una función como "y=1 2*x1 3*x2 4*x3..."). Y la construcción de 'elementos de pseudocaracterísticas' puede tener múltiples niveles (es decir, las 'neuronas de capa oculta' pueden tener múltiples capas, el valor predeterminado es 1 capa), y cada capa puede tener múltiples neuronas (el valor predeterminado es 100). Finalmente, se calcula mediante el algoritmo de optimización matemática y se obtiene el resultado, es decir, el elemento de predicción.
Puedes utilizar SPSSAU para operar: