Slavko Balenti

Kreimir Aneli
Ekonomski fakultet u Osijeku; Poslovna informatika
Susutavi za potporu odluivanju
2009/2010

Zadaa 2

1. Opis modela
klasifikacija rakova prema spolu
Ulazne varijable: vrsta raka (0=smei, 1=naranasti), irina prednjeg dijela (u cm), irina
zadnjeg djela (u cm) duljina (cm), irina(cm), visina(cm).
Izlazne varijable: spol (1=mujak, 2=enka)

2. Testirane arhitekture neuronskih mrea za pronalaenje najboljeg modela

Opisati to je sve mijenjano kod testiranja razliitih arhitektura.

Tablica 1. Arhitekture neuronskih mrea testirane za promatrani problem

Broj Aktiv TRAIN TEST rezultati (na
skriveni Aktiva acijsk rezultati uzorku za validaciju)
h cijska a
Stopa Stopa Prosje
neurona (prijen (prije
Broj klasifikaci klasifikacije na
(min- osna) nosna
mrea Funkcij je (za svaku stopa
max, funkcij )
Rb dobiven koji se a greke klasu klasifik
au funkci
trenira posebno) acije
i) skriven ja u
om izlazn
sloju om
sloju
1 5,14,2 20 Sum of Logisti Identit 93,877313 77,00 88,50
squares c y 100

2 5,19,2 10 Sum of Logisti Tange 100 86,00

squares ka ns 90,00 72,00
fun. hiperb
olna

Parametri koji su mjenjani su broj mrea koji se trenira, aktivacijska funkcija u skrivenom
sloju ( Identity, Logistic, Tangh, Sine, Exponential) te aktvacijsku funkciju u izlaznom sloju
( Identity, Logistic, Tangh, Sine, Exponential). Najbolji model koji smo dobili treniranjem je
model MLP 5-14-2 (5 je br. Input neurona, 14 je hidden neurona i 2 je output neurona). Stopa
klasifikacije je 93,88, a stopa klasifikacije za svaku klasu posebno je 77,00, dok je prosjena
stopa klasifikacije 88,50.
3. Rezultati najboljeg modela

Tablica 2. Saetak rezultata najboljeg modela

- urediti tablicu, prevesti zaglavlje tablice na hrv.
Summary of active networks (iris_nova.sta)
Test Dokaz
Ime Vjeba Vjeba Greka Skriveno Izlazno
mree osobina
osobin valjanosti algoritma rada aktiviranje aktiviranje
a osobina
MLP 5- 93,877313 77,00
88,50 BFGS 12 sos Logistic Tanh
14-2 0

Vieslojni perceptron (MPL) je koriteni algoritam, dok brojevi uz njega predstavljaju

treniranjem dobiveni ulazni 5, skriveni 14 i izlazni 2 sloj u najboljem modelu. Stopa
klasifikacije u train rezultatu iznosi 93,877313.Validacijski uzorak ima vijednost od 88,5 to
ga i ne ini jako visoko pouzdanim uzorkom.Funkcija greke u datom modelu je suma
kvadrata (Sum of squares). Aktivacijska funkcija za skriveni sloj je Logistic, a za izlazni
sloj:Tanh.

Tablica 3. Matrica konfuzije za najbolju mreu

- urediti tablicu, prevesti zaglavlje tablice na hrv.
Spol raka( Matrica konfuzije) (rakovi2.sta) Uzorci: Validacija
Spol raka 1 Spol raka 2
4.MLP 5-14-2-1 18 0
4.MLP 5-14-2-2 1 21

Opisati rezultate u tablici.

Gledajui dijagonalno kako se i ita ova tablica govori nam koliko je model uspio tono
klasificirati rakove u odreeni spol a elementi izvan diagonale koliko je netono klasificirano
rakova. Na slici se vidi da je u Spol raka-1 (odnosno mujaci) stvarno pripadalo 19 rakova, i
mrea je 18 njih svrstala u ispravnu klasu, a 1 u pogrenu. U Spol raka-2 (odnosno enke)
pripadalo je 21 raica, i mrea ih je sve ispravno svrstala u tu klasu

Tablica4. Stope tonosti klasifikacije najboljeg modela

Spol raka(Sumarna tablica klasifikacije) (rakovi2.sta) Uzorci:Validacija
Spol raka-1 Spol raka-2
4.MLP 5-14-2 Total 19,00 21,00
Correct 18,00 21,00
Incorrect 1,000 0.000
Correct (%) 72.00 100.00
Incorrect (%) 5.00 0.00

Opisati rezultate u tablici.

Tablica nam pokazuje kolike su stope tonosti klasifikacije za svaku klasu spol raka1 i spol
raka2 (u retku Correct). Vidljivo je da je stopa tonosti za Spol raka-1 (mujake) 72%, a za
Spol raka-2 (enke) 100%

Analiza osjetljivosti izlazne varijable na ulaznu

Tablica 5. Analiza osjetljivosti

urediti tablicu
Analiza osjetljivosti (rakovi2.sta) Uzorci: Validacija
Duljina irina zad. irina raka Visina raka Vrsta raka
Duljina raka
Pred.dijela dijela
4.MLP 5-14-2 0,958232 1,244039 0,973512 0,975914 0,950376 1,495746

Slika 1. Osjetljivost izlazne varijable na ulazne varijable u modelu neuronske mree

Analiza osjetljivosti pokazuje da je izlazna variabla najosjetljivija na varijablu irina zadnjeg

dijela te ostale 4 variable Duljina pred. Dijela, duljina raka, irina raka i visina raka imaju
podjednak utjecaj na osjetljivost izlazne variable.

4. Zakljuak

Mislim da je ovaj model najkorisniji u podruju biologije i raznih ispitivanja u prirodi koja se
koriste u znanstvene svrhe. Moe se koristiti za procese selekcije i odravanje optimalne
koliine mujaka i enki u prirodi. Osjetljivost izlazne varijable na ulazne, govori nam o tome
na koje varijable treba obratiti panju. U sluaju da nismo zadovoljni sa modelom, ovu
neuronsku mreu moemo poboljati na nain da proirimo broj ulaznih varijabli, te
izbacivanjem varijabli koje imaju manji utjecaj na model.