XX-第二部分?jǐn)?shù)據(jù)挖掘與統(tǒng)計(jì)決策-神經(jīng)網(wǎng)絡(luò)課件

數(shù)據(jù)挖掘與統(tǒng)計(jì)決策方法

——神經(jīng)網(wǎng)絡(luò)

教師：廖芹

數(shù)據(jù)挖掘與統(tǒng)計(jì)決策方法引入問題：

1）如果有60個(gè)因素影響銀行貸款，要判別是否給企業(yè)貸款，如何建立貸款判別模型？即如何求非線性關(guān)系f1：

Y1

=f1（X1,X2,……X60),Y1取值1(貸款)，0(不貸款）

2)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)、死亡率”對(duì)城市醫(yī)療能力的非線性綜合評(píng)價(jià)模型？即如何求f2：

Y2=

f2(X1,X2,……X5),Y2、Xi取值V,g,a,b?

3)如何建立食品（交通、生產(chǎn)、投資）安全風(fēng)險(xiǎn)的預(yù)測(cè)模型？

思路：1）對(duì)收集數(shù)據(jù)進(jìn)行處理分析，提取有代表性樣本；2）構(gòu)建輸入變量與輸出變量之間的函數(shù)關(guān)系F1，F(xiàn)2，使F1，F(xiàn)2逼近實(shí)際關(guān)系f1,f2，并替代f1,f2應(yīng)用。3）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——神經(jīng)網(wǎng)絡(luò)引入問題：思路：1）對(duì)收集數(shù)據(jù)進(jìn)行處理分析，提取有代表性樣本主要問題：

1）什么是神經(jīng)網(wǎng)絡(luò)？2）如何建立神經(jīng)網(wǎng)絡(luò)？3）如何應(yīng)用神經(jīng)網(wǎng)絡(luò)？(人工)神經(jīng)網(wǎng)絡(luò)（ARTIFICIALNEURALNETWORK簡記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，稱為神經(jīng)網(wǎng)絡(luò)模型。兩層神經(jīng)網(wǎng)絡(luò)三層神經(jīng)網(wǎng)絡(luò)四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)主要問題：(人工)神經(jīng)網(wǎng)絡(luò)（ARTIFICIALNEUR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：如何求構(gòu)建模型的參數(shù)Wij,?i,Ci?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)。步驟：1）首先隨機(jī)生成模型參數(shù)，2)代入樣本輸入Xi到模型；3）用參數(shù)與Xi的值計(jì)算模型輸出O；4）計(jì)算模型輸出O與樣本輸出Y偏差D=｜O-Y｜,5)以偏差D修正模型參數(shù)，6）重復(fù)2）——5）步驟，使模型輸出O與樣本輸出Y偏差D最小。四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)思路：通過下面已證明定理構(gòu)建神經(jīng)網(wǎng)絡(luò)模型通過線性組合的映射、常用的映射函數(shù)為：四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)常用的映射函數(shù)為：四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P105四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P105四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P104四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P104四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)感知機(jī)建立過程：

P106四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)Y00感知機(jī)建立過程：P106四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P106四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)0011P106四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)0011P106四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P106四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P106四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P106四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)補(bǔ)充（總結(jié)）四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)補(bǔ)充（總結(jié)）四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P106四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)Y以Y=1記A類，以Y=0記B類P106四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)Y以Y=如果改變1號(hào)樣本，即x1=1,x2=1,y=1，改為x1=1,x2=1,y=0，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D=｜O1-y1｜=｜0-0｜=0修正量:?W11(1)=d*X1=0,?W12(1)=d*X2=0,修正參數(shù)：W11(1)=W11(0)+?W11(1)=0+0=0,W12(1)=W12(0)+?W12(1)=0+0=0再學(xué)習(xí)2號(hào)樣本(x1=1,x2=0,y=1):O2=f(0*1+0*0)=0,Y2=1,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)3號(hào)樣本(x1=0,x2=1,y=1):O3=f(1*0+0*1)=0,Y3=1,誤差為D=｜Y3-O3｜=｜1-0｜=1檢驗(yàn)4號(hào)樣本(x1=1,x2=1,y=1):O4=f(0*0+0*0)=0,Y4=0,誤差為D=｜Y4-O4｜=｜0-0｜=0此時(shí)，誤差已增大，即感知機(jī)模型對(duì)于非線性樣本識(shí)別能力很弱。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？四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)Y

0如果改變1號(hào)樣本，即問題：對(duì)于非線性樣本，應(yīng)該如何設(shè)計(jì)網(wǎng)絡(luò)的P107四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P107四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P107四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P107四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P108四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)隱修正公式推導(dǎo)見下面P108四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)隱修正公式推導(dǎo)見下面常用的輸入輸出定義1、輸入層變量定義：1）定義為自變量個(gè)數(shù)x1,x2,…xn2）x1,x2,…xn已類型一致、無量綱；3）輸入節(jié)點(diǎn)數(shù)一般等于變量數(shù)。2、隱層節(jié)點(diǎn)變量數(shù)L定義：

1）一般定義：輸入節(jié)點(diǎn)變量數(shù)≥L≥輸出節(jié)點(diǎn)變量數(shù)；

2）優(yōu)化定義

（1）對(duì)于可能的隱節(jié)點(diǎn)數(shù)L1,L2,…Lm,指定學(xué)習(xí)次數(shù)，對(duì)相同的輸入輸出，比較不同隱節(jié)點(diǎn)數(shù)下的網(wǎng)絡(luò)誤差，誤差小的對(duì)應(yīng)隱節(jié)點(diǎn)數(shù)最優(yōu)。（2）對(duì)于可能的隱節(jié)點(diǎn)數(shù)L1,L2,…Lm,指定網(wǎng)絡(luò)誤差，對(duì)相同的輸入輸出，比較不同隱節(jié)點(diǎn)數(shù)下的學(xué)習(xí)次數(shù)，達(dá)到誤差的最少學(xué)習(xí)次數(shù)的隱節(jié)點(diǎn)數(shù)最優(yōu)。四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)常用的輸入輸出定義1、輸入層變量定義：2、隱層節(jié)點(diǎn)變量數(shù)L定3、輸出節(jié)點(diǎn)變量定義：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域需要轉(zhuǎn)換為與網(wǎng)絡(luò)輸出定義域一致。2）樣本輸出可以定義為1個(gè)或多個(gè)輸出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。四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)3、輸出節(jié)點(diǎn)變量定義：四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)樣本輸出定義——級(jí)別轉(zhuǎn)換為區(qū)間（0，1）的值四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)樣本輸出定義——級(jí)別轉(zhuǎn)換為區(qū)間（0，1）的值四、數(shù)據(jù)神經(jīng)網(wǎng)絡(luò)模型輸出定義——區(qū)間（0，1）值轉(zhuǎn)換為級(jí)別例：當(dāng)輸出是0.55時(shí)，由于∣0.55-0.63∣=0.08∣0.55-0.37∣=0.18所以，判別輸出Y屬于3級(jí)。四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)模型輸出定義——區(qū)間（0，1）值轉(zhuǎn)換為級(jí)別例：當(dāng)輸出神經(jīng)網(wǎng)絡(luò)模型輸出定義——區(qū)間（0，1）值轉(zhuǎn)換為級(jí)別四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)模型輸出定義——區(qū)間（0，1）值轉(zhuǎn)換為級(jí)別四、數(shù)據(jù)挖BP模型應(yīng)用——XOR問題Clementine求解問題：對(duì)修改X1=1,X2=1,Y=1為X1=1,X2=1,Y=0的非線性樣本（稱為XOR問題），應(yīng)用數(shù)據(jù)挖掘軟件Clementine建立具有非線性映射特點(diǎn)的BP模型，求解結(jié)果如下：BP模型應(yīng)用——XOR問題Clementine求解問題：對(duì)修對(duì)應(yīng)隱節(jié)點(diǎn)數(shù)選擇不同，BP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——神經(jīng)網(wǎng)絡(luò)對(duì)應(yīng)隱節(jié)點(diǎn)數(shù)選擇不同，BP神經(jīng)網(wǎng)絡(luò)模型結(jié)果不同：四、基于數(shù)據(jù)圖:5個(gè)隱節(jié)點(diǎn)的結(jié)果輸出BP模型應(yīng)用——XOR問題Clementine求解圖:5個(gè)隱節(jié)點(diǎn)的結(jié)果輸出BP模型應(yīng)用——XOR問題ClemP108——p109四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P108——p109四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P109四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P109四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P109—P110四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P109—P110四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)分四級(jí)：v—非常好，g—好，a—一般，b—差P123四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)分四級(jí)：v—非常好，g—好，a—一般，城市醫(yī)療能力綜合評(píng)價(jià)BP模型建立四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)城市醫(yī)療能力綜合評(píng)價(jià)BP模型建立四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)城市醫(yī)療能力綜合評(píng)價(jià)BP模型建立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——神經(jīng)網(wǎng)絡(luò)城市醫(yī)療能力綜合評(píng)價(jià)BP模型建立需要將定性的取值轉(zhuǎn)換為定量取P125四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P125四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P125四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)用一個(gè)輸出變量表示P125四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)用一個(gè)輸出變量表示P125四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P125四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P126四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)級(jí)別表示VVbaabavggP126四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)級(jí)別表示P126四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P126四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)四種動(dòng)物識(shí)別ＢＰ模型的建立補(bǔ)充

四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)應(yīng)改1為t四種動(dòng)物識(shí)別ＢＰ模型的建立補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)四種動(dòng)物識(shí)別ＢＰ模型的建立補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)O=(O1,O2,O3,O4)O1O2O3O4Oi∈(0,1),i=1,2,3,4OOO∈(0,1)1)多輸出表示：2)單輸出表示：若輸出用Y表示，則Y轉(zhuǎn)換為【0.1，0.9】中的值。四種動(dòng)物識(shí)別ＢＰ模型的建立補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)O四種動(dòng)物識(shí)別ＢＰ模型的建立補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)四種動(dòng)物識(shí)別ＢＰ模型的建立補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)Clementine輔助城市醫(yī)療能力綜合評(píng)價(jià)BP模型建立1、導(dǎo)入評(píng)價(jià)樣本數(shù)據(jù)并選擇模型；2、設(shè)置參數(shù)四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)Clementine輔助城市醫(yī)療能力綜合評(píng)價(jià)BP模型建立1、樣本BP預(yù)測(cè)絕對(duì)平均誤差建模樣本0.042檢驗(yàn)樣本0.14四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)Clementine輔助城市醫(yī)療能力綜合評(píng)價(jià)BP模型建立樣本BP預(yù)測(cè)建模樣本0.042檢驗(yàn)樣本0.14四、數(shù)據(jù)挖掘方建模樣本樣本病人數(shù)醫(yī)生數(shù)工作人員數(shù)門診所數(shù)死亡率醫(yī)療能力評(píng)價(jià)預(yù)測(cè)醫(yī)療能力上海0.51.51.51.5-1.51.00000.9319北京-0.51.51.51.50.51.00000.9800沈陽-1.5-1.5-1.5-0.50.50.00000.0337武漢0.50.50.5-0.5-1.50.33330.2429哈爾濱1.50.5-0.5-1.5-0.50.33330.3732重慶0.50.5-1.5-1.5-1.50.00000.0364成都-0.50.50.5-0.5-0.50.33330.3806蘭州1.50.5-0.50.51.51.00000.9754青島0.5-1.51.51.5-0.50.66670.6884鞍山0.5-0.5-0.5-1.51.50.66670.6318Clementine輔助城市醫(yī)療能力綜合評(píng)價(jià)BP模型建立四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)建模樣本樣本病人數(shù)醫(yī)生數(shù)工作人員數(shù)門診所數(shù)死亡率醫(yī)療能力評(píng)價(jià)檢驗(yàn)樣本樣本病人數(shù)醫(yī)生數(shù)工作人員數(shù)門診所數(shù)死亡率醫(yī)療能力評(píng)價(jià)$N-醫(yī)療能力評(píng)價(jià)天津-1.50.5-1.50.5-0.50.00000.1376廣州-0.50.50.50.5-0.50.66670.6357南京-1.50.50.50.5-0.50.66670.4148西安0.50.5-0.50.50.50.66670.8954長春0.50.50.5-0.50.50.66670.8698太原1.50.50.50.51.51.00000.9820大連-1.5-0.5-1.5-0.50.50.00000.0794濟(jì)南1.51.51.50.5-0.51.00000.9707撫順0.5-1.5-1.5-1.50.50.33330.0553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)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？Clementine輔助城市醫(yī)療能力綜合評(píng)價(jià)BP模型建立四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)檢驗(yàn)樣本樣本病人數(shù)醫(yī)生數(shù)工作人員數(shù)門診所數(shù)死亡率醫(yī)療能力評(píng)價(jià)樣本病人數(shù)醫(yī)生數(shù)工作人員數(shù)門診所數(shù)死亡率醫(yī)療能力評(píng)價(jià)1醫(yī)療能力評(píng)價(jià)2醫(yī)療能力評(píng)價(jià)3醫(yī)療能力評(píng)價(jià)4建模樣本上海0.51.51.51.5-1.51000北京-0.51.51.51.50.51000沈陽-1.5-1.5-1.5-0.50.50001武漢0.50.50.5-0.5-1.50010哈爾濱1.50.5-0.5-1.5-0.50010重慶0.50.5-1.5-1.5-1.50001成都-0.50.50.5-0.5-0.50010蘭州1.50.5-0.50.51.51000青島0.5-1.51.51.5-0.50100鞍山0.5-0.5-0.5-1.51.50100檢驗(yàn)樣本天津-1.50.5-1.50.5-0.50001廣州-0.50.50.50.5-0.50100南京-1.50.50.50.5-0.50100西安0.50.5-0.50.50.50100長春0.50.50.5-0.50.50100太原1.50.50.50.51.51000大連-1.5-0.5-1.5-0.50.50001濟(jì)南1.51.51.50.5-0.51000撫順0.5-1.5-1.5-1.50.50010城市醫(yī)療能力綜合評(píng)價(jià)BP模型----多輸出設(shè)計(jì)四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)樣本病人數(shù)醫(yī)生數(shù)工作人員數(shù)門診所數(shù)死亡率醫(yī)療能力評(píng)價(jià)1醫(yī)療能城市醫(yī)療能力綜合評(píng)價(jià)BP模型----多輸出設(shè)計(jì)城市醫(yī)療能力綜合評(píng)價(jià)BP模型----多輸出設(shè)計(jì)城市醫(yī)療能力綜合評(píng)價(jià)BP模型----多輸出設(shè)計(jì)模型運(yùn)行：用鼠標(biāo)單擊數(shù)據(jù)excel節(jié)點(diǎn)，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“表”節(jié)點(diǎn)，將“表”節(jié)點(diǎn)加入到流中。得到模型結(jié)果如下：實(shí)際樣本輸出模型輸出城市醫(yī)療能力綜合評(píng)價(jià)BP模型----多輸出設(shè)計(jì)模型運(yùn)行：用鼠模型檢驗(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”節(jié)點(diǎn)，得到預(yù)測(cè)結(jié)果。城市醫(yī)療能力綜合評(píng)價(jià)BP模型----多輸出設(shè)計(jì)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)入流中城市醫(yī)療能力綜合評(píng)價(jià)BP模型----多輸出設(shè)計(jì)

單輸出四輸出樣本醫(yī)療能力評(píng)價(jià)$R-醫(yī)療能力評(píng)價(jià)$R-醫(yī)療能力評(píng)價(jià)建模樣本上海1.51.36911.3934北京1.51.47071.4355沈陽-1.5-1.4760-1.4274武漢-0.5-0.6173-0.4587哈爾濱-0.5-0.4299-0.4775重慶-1.5-1.4750-1.4583成都-0.5-0.3873-0.4406蘭州1.51.45781.4261青島0.50.53850.4956鞍山0.50.43950.4391均方誤差0.00570.0037檢驗(yàn)樣本天津-1.5-1.4344-1.4171廣州0.50.49151.2855南京0.5-0.49650.7345西安0.51.19511.4212長春0.51.25521.1041太原1.51.47321.4269大連-1.5-1.4552-1.4503濟(jì)南1.51.45971.3650撫順-0.5-1.4216-1.2744均方誤差0.32280.2798模型結(jié)果對(duì)比：為了將四輸出BP神經(jīng)網(wǎng)絡(luò)與1輸出BP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)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)行加權(quán)平均。例如天津四輸出的預(yù)測(cè)結(jié)果為（0.0268,0,0,0.943），則醫(yī)療能力平均值為=1.5*0.0268/(0.0268+0.943)-1.5*0.943/(0.0268+0.943)=-1.4171。

結(jié)論：

選用多輸出進(jìn)行建模，模型的均分誤差有所減小。

城市醫(yī)療能力綜合評(píng)價(jià)BP模型----多輸出設(shè)計(jì)單輸出四輸RBF神經(jīng)網(wǎng)絡(luò)(RadialBasisFunctionNeuralNetwork)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、隱含層和輸出層構(gòu)成。

RBF結(jié)構(gòu)P114四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)RBF神經(jīng)網(wǎng)絡(luò)(RadialBasisFunction

RBF神經(jīng)網(wǎng)絡(luò)模型特點(diǎn)：

1）輸入層到隱層的映射是由徑向基函數(shù)實(shí)現(xiàn)的非線性變換。當(dāng)輸入Xi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。

2）隱層到輸出層的映射是線性變換。

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。RBF（徑向基函數(shù)）神經(jīng)網(wǎng)絡(luò)模型表示類中心作隱結(jié)點(diǎn)看作類半徑四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)RBF神經(jīng)網(wǎng)絡(luò)模型特點(diǎn)：RBF（徑向基函數(shù)）神經(jīng)四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P115四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P115四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P115四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)P115RBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)RBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)RBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充RBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充RBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)RBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)RBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)RBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)隱節(jié)點(diǎn)：補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)隱節(jié)點(diǎn)：RBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)RBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)RBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)RBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)RBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)RBF神經(jīng)網(wǎng)絡(luò)求解兩值邏輯問題補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)Clementine12輔助RBF神經(jīng)網(wǎng)絡(luò)模型---城市醫(yī)療能力評(píng)價(jià)Clementine12輔助RBF神經(jīng)網(wǎng)絡(luò)模型---城市醫(yī)療建模樣本樣本病人數(shù)醫(yī)生數(shù)工作人員數(shù)門診所數(shù)死亡率醫(yī)療能力評(píng)價(jià)預(yù)測(cè)醫(yī)療能力上海0.51.51.51.5-1.51.00001.0302北京-0.51.51.51.50.51.00001.0660沈陽-1.5-1.5-1.5-0.50.50.0000-0.0289武漢0.50.50.5-0.5-1.50.33330.4113哈爾濱1.50.5-0.5-1.5-0.50.33330.5087重慶0.50.5-1.5-1.5-1.50.0000-0.0518成都-0.50.50.5-0.5-0.50.33330.4435蘭州1.50.5-0.50.51.51.00001.1474青島0.5-1.51.51.5-0.50.66670.7157鞍山0.5-0.5-0.5-1.51.50.66670.7521Clementine12輔助RBF神經(jīng)網(wǎng)絡(luò)模型---城市醫(yī)療能力評(píng)價(jià)四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)建模樣本樣本病人數(shù)醫(yī)生數(shù)工作人員數(shù)門診所數(shù)死亡率醫(yī)療能力評(píng)價(jià)檢驗(yàn)樣本樣本病人數(shù)醫(yī)生數(shù)工作人員數(shù)門診所數(shù)死亡率醫(yī)療能力評(píng)價(jià)預(yù)測(cè)醫(yī)療能力天津-1.50.5-1.50.5-0.50.00000.0937廣州-0.50.50.50.5-0.50.66670.7134南京-1.50.50.50.5-0.50.66670.4387西安0.50.5-0.50.50.50.66670.9910長春0.50.50.5-0.50.50.66670.9284太原1.50.50.50.51.51.00001.2152大連-1.5-0.5-1.5-0.50.50.00000.0584濟(jì)南1.51.51.50.5-0.51.00001.0468撫順0.5-1.5-1.5-1.50.50.33330.3312樣本BP模型絕對(duì)平均誤差RBF模型絕對(duì)平均誤差建模樣本0.0420.082檢驗(yàn)樣本0.140.142Clementine12輔助RBF神經(jīng)網(wǎng)絡(luò)模型---城市醫(yī)療能力評(píng)價(jià)檢驗(yàn)樣本樣本病人數(shù)醫(yī)生數(shù)工作人員數(shù)門診所數(shù)死亡率醫(yī)療能力評(píng)價(jià)RBF神經(jīng)網(wǎng)絡(luò)補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)即hi=G(|x-ti|)樣本xj代入后有g(shù)ji=hji=G(|xj-ti|)有常數(shù)項(xiàng),且φi中心是ti這里是通過LS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RBF神經(jīng)網(wǎng)絡(luò)補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)即hi=G(|RBF神經(jīng)網(wǎng)絡(luò)四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)補(bǔ)充RBF神經(jīng)網(wǎng)絡(luò)四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)補(bǔ)充RBF神經(jīng)網(wǎng)絡(luò)補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)RBF神經(jīng)網(wǎng)絡(luò)補(bǔ)充四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)自組織（Kohonen)神經(jīng)網(wǎng)絡(luò)：P118四、數(shù)據(jù)挖掘方法——神經(jīng)網(wǎng)絡(luò)自組織（Kohonen)神經(jīng)網(wǎng)絡(luò)：P118四、數(shù)據(jù)挖掘方法—自組織（Kohonen)神經(jīng)網(wǎng)絡(luò)：四、數(shù)據(jù)挖掘方法——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?思路:1）對(duì)于輸入樣本xi=(xi1,xi2,…xin)2）在平面上二維(x,y)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；3）隨機(jī)生成對(duì)應(yīng)神經(jīng)元j的權(quán)值wj=(wj1,wj2,…wjn)，就=1,2,…N；4）計(jì)算xi與wj的相似度Sji=