Ödev Nasıl Yapılır? – Ödev Yaptırma – Ödev Yaptırma Ücretleri – Tez Yaptırma – Ödev Yaptırma Fiyatları – Ücretli Ödev Yaptırma – Tez Yaptırma Ücretleri – Sunum Hazırlığı Yaptırma – Dergi Makalesi Yaptırma – Dergi Makalesi Yazdırma
Radyal İşlevini Kullanma
Bir telekomünikasyon sağlayıcısı, müşteri tabanını hizmet kullanım modellerine göre bölümlere ayırmış ve müşterileri dört gruba ayırmıştır. Grup üyeliğini tahmin etmek için demografik veriler kullanılabiliyorsa, teklifleri bireysel potansiyel müşteriler için özelleştirebilirsiniz. Mevcut müşterilerle ilgili bilgilerin telco.sav’da yer aldığını varsayalım.
- Bağımlı değişken olarak Müşteri kategorisi [custcat]’i seçin.
- Faktör olarak Medeni durum [medeni], Eğitim düzeyi [ed], Emekli [emekli] ve Cinsiyet [cinsiyet]’i seçin.
- Ortak değişkenler olarak [yaş] ile Hanedeki [ikamet eden] kişi sayısı cinsinden Yaş’ı seçin.
- Ortak değişkenleri yeniden ölçeklendirme yöntemi olarak Ayarlanmış Normalleştirilmiş’i seçin.
- Bölümler sekmesini tıklayın.
Göreceli vaka sayıları belirleyerek, yüzdeleri belirtmenin zor olacağı kesirli bölümler oluşturmak kolaydır. Veri kümesinin 2/3’ünü eğitim örneğine ve kalan vakaların 2/3’ünü teste atamak istediğinizi varsayalım.
- Eğitim örneği için göreli sayı olarak 6 yazın. Test numunesi için göreli sayı olarak
- Tip 2. Uzatma numunesi için göreli sayı olarak E Tip 1 seçilir.
- Toplam 9 göreceli vaka belirtildi. 6/9 = 2/3 veya yaklaşık %66,67, eğitim örneğine atanır; 2/9 veya yaklaşık %22,22 teste atanır; 1/9 veya yaklaşık %11.11, uzatma örneğine atanır.
- Çıktı sekmesini tıklayın.
- Ağ Yapısı grubunda Diyagram seçimini kaldırın.
- Ağda ROC eğrisini, Kümülatif kazanç tablosunu, Kaldırma grafiğini ve Gözlemlenen tabloya göre tahmin’i seçin
- Performans grubu.
- Kaydet sekmesini tıklayın.
Vaka işleme özeti, 665 vakanın eğitim örneğine, 224 vakanın test örneğine ve 111 vakanın uzatma örneğine atandığını gösterir. Hiçbir vaka analizin dışında bırakılmadı.
Ağ bilgileri tablosu, sinir ağı hakkındaki bilgileri görüntüler ve özelliklerin doğru olduğundan emin olmak için kullanışlıdır. Burada özellikle şuna dikkat edin:
- Girdi katmanındaki birimlerin sayısı, ortak değişkenlerin sayısı artı faktör düzeylerinin toplam sayısıdır; Medeni durum, Eğitim Düzeyi,
- Emekli ve Cinsiyet kategorilerinin her biri için ayrı bir birim oluşturulur ve kategorilerin hiçbiri birçok modelleme prosedüründe olduğu gibi “gereksiz” birimler olarak değerlendirilmez.
- Aynı şekilde Müşteri kategorisinin her bir kategorisi için ayrı çıktı birimi olmak üzere çıktı katmanında toplam 4 birim oluşturulur.
- Ortak değişkenler, ayarlanmış normalleştirilmiş yöntem kullanılarak yeniden ölçeklendirilir.
- Otomatik mimari seçimi, gizli katmanda 9 birim seçmiştir. Diğer tüm ağ bilgileri prosedür için varsayılandır.
Radyal Alüminyum Radyatör Fiyatları
Radyal Katalog
Radyal petek Fiyatları
Radyal Isıtma Sistemleri
Radyal Radyatör
Radyal Fiyat LİSTESİ
Radyal bayileri
Radyal Havlupan Fiyatları
Model özeti, eğitim, test ve son ağın uzatma örneğine uygulanmasının sonuçları hakkında bilgi görüntüler.
- Kareler toplamı hatası görüntülenir, çünkü bu her zaman RBF ağları için kullanılır. Bu, eğitim ve test sırasında ağın en aza indirmeye çalıştığı hata işlevidir.
- Yanlış tahminlerin yüzdesi, sınıflandırma tablosundan alınır ve bu konuda daha ayrıntılı olarak tartışılacaktır.
Sınıflandırma tablosu, ağı kullanmanın pratik sonuçlarını gösterir. Her durum için tahmin edilen yanıt, tahmin edilen en yüksek sözde olasılığa sahip kategoridir.
- Köşegendeki hücreler doğru tahminlerdir.
- Köşegenin dışındaki hücreler yanlış tahminlerdir.
Gözlemlenen veriler göz önüne alındığında, “sıfır” model (yani, öngörücüleri olmayan model), tüm müşterileri artı hizmet modal grubuna sınıflandırır. Böylece, boş model 281/1000 = zamanın %28,1’inde doğru olacaktır. RBF ağı, müşterilerin %10,1’ini veya %38,2’sini alıyor. Özellikle, modeliniz Plus hizmeti ve Toplam hizmet müşterilerini tanımlamada mükemmeldir.
Ancak, E-hizmet müşterilerini sınıflandırma konusunda son derece zayıf bir iş çıkarıyor. Bu müşterileri ayırmak için başka bir tahmin edici bulmanız gerekebilir; alternatif olarak, bu müşterilerin çoğunlukla Artı hizmet ve Toplam hizmet müşterileri olarak yanlış sınıflandırıldığı göz önüne alındığında, şirket normalde E-hizmet kategorisine giren potansiyel müşterilere ek satış yapmaya çalışabilir.
Modeli oluşturmak için kullanılan vakalara dayalı sınıflandırmalar, sınıflandırma oranlarının şişirilmesi anlamında fazla “iyimser” olma eğilimindedir. Uzatma örneği, modelin doğrulanmasına yardımcı olur; burada, bu vakaların %40,2’si model tarafından doğru bir şekilde sınıflandırılmıştır. Uzatma örneği oldukça küçük olsa da, bu, modelinizin aslında yaklaşık beşte ikisinde doğru olduğunu gösterir.
Kategorik bağımlı değişkenler için, gözlemlenen tahmin tablosu, birleştirilmiş eğitim ve test örnekleri için tahmin edilen sözde olasılıkların kümelenmiş kutu grafiklerini görüntüler. X ekseni, gözlemlenen yanıt kategorilerine karşılık gelir ve açıklama, tahmin edilen kategorilere karşılık gelir.
Böylece:
- En soldaki kutu grafiği, Temel hizmet kategorisini gözlemleyen durumlar için, Temel hizmet kategorisinin tahmini sözde olasılığını gösterir.
- Sağdaki bir sonraki kutu grafiği, Temel hizmet kategorisini gözlemleyen durumlar için, E-hizmet kategorisinin tahmin edilen sözde olasılığını gösterir.
- Üçüncü kutu grafiği, Temel hizmet kategorisini gözlemleyen durumlar için, kategori Plus hizmetinin tahmini sözde olasılığını gösterir.
- Sınıflandırma tablosundan, kabaca çok sayıda Temel hizmet müşterisinin Artı hizmet olarak yanlış sınıflandırıldığı kadar doğru bir şekilde Temel hizmet olarak sınıflandırıldığını hatırlayın; bu nedenle, bu kutu grafiği kabaca en soldakine eşdeğerdir.
- Dördüncü kutu grafiği, Temel hizmet kategorisini gözlemleyen durumlar için, Toplam hizmet kategorisinin tahmini sözde olasılığını gösterir.
Hedef değişkende ikiden fazla kategori olduğundan, ilk dört kutu grafiği 0,5’te yatay çizgi etrafında veya başka bir şekilde simetrik değildir. Sonuç olarak, ikiden fazla kategoriye sahip hedefler için bu çizimi yorumlamak zor olabilir çünkü bir kutu grafiğindeki vakaların bir kısmına bakarak, bu vakaların başka bir kutu grafiğindeki karşılık gelen konumlarını belirlemek imkansızdır.
Bir ROC eğrisi, olası tüm sınıflandırma kesintileri için özgüllüğe göre duyarlılığın görsel bir görüntüsünü verir. Burada gösterilen grafik, hedef değişkenin her kategorisi için bir tane olmak üzere dört eğri görüntüler.
Bu tablonun birleşik eğitim ve test örneklerine dayandığını unutmayın. Uzatma örneği için bir ROC grafiği oluşturmak üzere, dosyayı bölüm değişkeninde bölün ve tahmin edilen sözde olasılıklar üzerinde ROC Eğrisi prosedürünü çalıştırın.
Eğrinin altındaki alan, ROC eğrisinin sayısal bir özetidir ve tablodaki değerler, her bir kategori için, o kategoride olma tahmini sözde olasılığının, o kategoride rastgele seçilen bir vaka için olduğundan daha yüksek olma olasılığını temsil eder.
Örneğin, Plus hizmetinde rastgele seçilen bir müşteri ve Temel hizmet, E-Hizmet veya Toplam hizmette rastgele seçilen bir müşteri için, model tarafından tahmin edilen sözde temerrüt olasılığının müşteri için daha yüksek olma olasılığı 0,668’dir.
“odev.yaptırma.com.tr“ ailesi olarak size her konuda destek sunabiliriz. Tek yapmanız gereken iletişim adreslerimizden bizlere ulaşmak!
Tüm alanlara özgü, literatür taraması yaptırma, simülasyon yaptırma, analiz yaptırma, çeviri yaptırma, makale ödevi yaptırma, dergi makalesi yaptırma, sunum ödevi yaptırma ve model oluşturma çalışmaları yapmaktayız.
