商务智能实验11报告

《商务智能实验11报告》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、《数据挖掘与商务智能实验》实验报告实验题0:预测分析：人工神经网络姓名：王俊学号：201430850164指导教师：张大斌实验时间：2016.11.102016年11月10曰实验题纲：一、实验0的1.了解熟悉SPSSModeler及其相关知识2.掌握SPSSModeler工具建立B-P反向传播网络的方法3.学会运用SPSSModelerB_P反向传播网络进行相关内容的分析二、实验内容本实验将以一份虚拟的电信客户数据为例，文件名为Telephone,sav，它是一个SPSS文件。该数据中的变量xl至xl5分别是：居住地、年龄、婚姻状况、家庭月

2、收入、受教育的程度、性别、家庭人口、基本服务累计开通月数、是否中请无线转移服务、上月基木费用、上月限制性项目的服务费用、无线服务费用、是否电子支付、客户所申请的服务套餐费用、是否流失。本实验实践神经网络的具体操作步骤，FI标是建立客户流失预测模型。三、实验步骤与结果步骤1创建K-means聚类数据流(1)通过“Statistic文件”节点读入文件名为Telephone,sav的数据。(2)在数据流中添加“分区”节点，将样本集划分为训练集和测试集，如图所(1)在“建模”模块下选择“神经网络”节点连接在数据流的恰当位置。步骤2设置相关参数(1)

3、点击鼠标右键，点击“编辑”按钮进行主要参数的设置。(2)在“选项”0选项卡下，勾选“显示反馈图形”。(3)在“模型”选项卡下，勾选“使用分区数据”和“为每个分割购建模型”；选择“快速”方法；停止采用“默认值”。如图继续训练«有模型使用二迸制集合编码Z显示反馆囝形解助&择：®使用最佳网络o傍用最终网络＞敏®度分析__生成日志文件日志文件名：train.log字6項型送項，家注解碥定(0)►执行(£)取消(C)应用凶$S(R)步骤3结果运行计算的结果如图所沁III文件®生成(2)容全部折桑(£)全部展开(©曰&分析估计的准确性73.913输入层

4、29个神经元隐菰层1:10个冲经元隐蓀层2M1个神经元输出层2个神经元BC3字段0C3构連设S叫亡Iill诱很要汇总设昔往解确定(0〉取消＜C)应用⑧垂昔(B)U!实验分析与扩展练习实验分析：如图所示，造成本实验预测精确度较低的的原因:1.网络结构过于简单，隐藏层数太少，神经元较少；2.X愈[Co.Rfn]1Wr字段模型迭项奄家分析镬式O简单翎咅家^O二O三马a方家迭项良菘昆®-层1:持续次教2001510：；

5、[确定j少新⑥j、恥肖应用K番晋2.未釆用专家模式，对于一些权重（连接强度）分配不合理;3.学习率设置不好学习速宰Alpha:0.

6、910.30.11初始Eta:高Eta:Eta寰减:低Eta:30X-0.011.采用的方法不同©缺字段镆型迭项专家分析注解y计算顸则变望重要性球芄，分（R对标王B标賓效＞讦篝原始的酋向傅分计茛调整腋向得分刻i式分区◎验证分区基子礙旧运行補取消修改以上参数后，预测结果精度就会相应的增加结论与讨论（重点）1.反向传播是B-P反向传播模型较之于感知机最大的不同之处。所谓反向传播，是指B—P模型通过输出节点的测量误差，来逐层估计隐节点的误差，即反方向传播误差，从而调整网络权值，以实现输出值的精准化。B-P反向传播网络算法包括正向传播和反向传播两个

7、阶段。正向传播即从输入层到隐层到输出层，传播期间权值不变；预测误差计算出來后，便进入反向传播过程，即误差被反方向传冋给输入节点。传播期间所右的网络可能会均得到调整。这种正向传播和反向传播过程不断重复，直到输出结果满足条件为止。B—P反向传播网络正得名于此。2.B-P反向传播模型中，隐层起起着相当大的作用，其作用是将线性不可分的样本转化为线性可分的样本。所谓线性可分，指能使用一个超平面将两者分开，则为线性可分，否则则为线性不可分。3.B-P反向传播模型中，可以通过改变网络结构在调整预测精度：比如增加隐层、隐节点数量均可。1.BP算法的执行步骤

8、在反向传播算法应用于前馈多层网络时，采用Sigmoid为激发而数时，可用下列步骤对网络的权系数Wij进行递归求取。注意对于每层有n个神经元的时候，即有i=l，2，…，n;j=l，2，…，n。对于第k层的第i个神经元，则有n个权系数Wil,Wi2，…，Win，另外取多一个Win+1用于表示阀值ei；并且在输入样本X时，取x=(Xl，X2，…，Xn，1)。算法的执行的步骤如下：1.对权系数Wij置初值。对各层的权系数Wij置一个较小的非零随机数，但其中Wi,n+l=-0。2.输入一个样木X=(xl,x2，…，xn,1),以及对应期望输出Y=(Y

9、1,Y2,…，Yn)o3.计算各层的输出对于第k层第i个神经元的输出Xik,有：xn+?-l=i,w£,n+1=-0J一】Xik=f(Uik)4.求各层的学习误差dik对于输出层