商務智能實驗11報告

《數據挖掘與商務智能實驗》實驗報告實驗題目：預測分析：人工神經網絡姓名：王俊學號：202330850164指導教師：張大斌實驗時間：2023.11.102023年11月10日

實驗題綱：實驗目的了解熟悉SPSSModeler及其相關知識掌握SPSSModeler工具建立B-P反向傳播網絡的方法學會運用SPSSModelerB-P反向傳播網絡進行相關內容的分析實驗內容本實驗將以一份虛擬的電信客戶數據為例，文件名為Telephone.sav，它是一個SPSS文件。該數據中的變量x1至x15分別是：居住地、年齡、婚姻狀況、家庭月收入、受教育的程度、性別、家庭人口、根本效勞累計開通月數、是否申請無線轉移效勞、上月根本費用、上月限制性工程的效勞費用、無線效勞費用、是否電子支付、客戶所申請的效勞套餐費用、是否流失。本實驗實踐神經網絡的具體操作步驟，目標是建立客戶流失預測模型。實驗步驟與結果步驟1創(chuàng)立K-means聚類數據流通過“Statistic文件〞節(jié)點讀入文件名為Telephone.sav的數據。在數據流中添加“分區(qū)〞節(jié)點，將樣本集劃分為訓練集和測試集，如下圖在“建模〞模塊下選擇“神經網絡〞節(jié)點連接在數據流的恰當位置。步驟2設置相關參數點擊鼠標右鍵，點擊“編輯〞按鈕進行主要參數的設置。在“選項〞0選項卡下，勾選“顯示反應圖形〞。在“模型〞選項卡下，勾選“使用分區(qū)數據〞和“為每個分割購建模型〞；選擇“快速〞方法；停止采用“默認值〞。如圖步驟3結果運行計算的結果如下圖四、實驗分析與擴展練習實驗分析：如下圖，造本錢實驗預測精確度較低的的原因：網絡結構過于簡單，隱藏層數太少，神經元較少；2.未采用專家模式，對于一些權重〔連接強度〕分配不合理；學習率設置不好采用的方法不同修改以上參數后，預測結果精度就會相應的增加結論與討論(重點)1.反向傳播是B—P反向傳播模型較之于感知機最大的不同之處。所謂反向傳播，是指Ｂ－Ｐ模型通過輸出節(jié)點的測量誤差，來逐層估計隱節(jié)點的誤差，即反方向傳播誤差，從而調整網絡權值，以實現輸出值的精準化。B－P反向傳播網絡算法包括正向傳播和反向傳播兩個階段。正向傳播即從輸入層到隱層到輸出層，傳播期間權值不變；預測誤差計算出來后，便進入反向傳播過程，即誤差被反方向傳回給輸入節(jié)點。傳播期間所有的網絡可能會均得到調整。這種正向傳播和反向傳播過程不斷重復，直到輸出結果滿足條件為止。B－P反向傳播網絡正得名于此。B-P反向傳播模型中，隱層起起著相當大的作用，其作用是將線性不可分的樣本轉化為線性可分的樣本。所謂線性可分，指能使用一個超平面將兩者分開，那么為線性可分，否那么那么為線性不可分。B-P反向傳播模型中，可以通過改變網絡結構在調整預測精度：比方增加隱層、隱節(jié)點數量均可。4.BP算法的執(zhí)行步驟在反向傳播算法應用于前饋多層網絡時，采用Sigmoid為激發(fā)面數時，可用以下步驟對網絡的權系數Wij

進行遞歸求取。注意對于每層有n個神經元的時候，即有i＝1，2，…，n；j＝1，2，…，n。對于第k層的第i個神經元，那么有n個權系數Wi1

，Wi2

，…，Win

，另外取多—個Win+1

用于表示閥值θi

；并且在輸入樣本X時，取x＝(X1

，X2

，…，Xn

，1)。算法的執(zhí)行的步驟如下：1．對權系數Wij

置初值。對各層的權系數Wij

置一個較小的非零隨機數，但其中Wi

,n+1=-θ

。2．輸入一個樣本X＝(xl

，x2

，…，xn

，1)，以及對應期望輸出Y＝(Y1

，Y2

，…，Yn

)。3．計算各層的輸出對于第k層第i個神經元的輸出Xi

k

，有：Xi

k

=f(Ui

k

)4．求各層的學習誤差di

k對于輸出層有k＝m，有di

m

=Xi

m

(1-Xi

m

)(Xi

m

-Yi

)對于其他各層，有修正權系數Wij和閥值θ

用式(1—53)時有：用式(1—54)時有：其中：6．當求出了各層各個權系數之后，可按給定品質指標判別是否滿足要求。如果滿足要求，那么算法結束；如果未滿足要求，那么返回(3)執(zhí)行。這個學習過程