Анализ показателей работы сети

После того, как выбор модели (т.е. архитектуры сети) сделан и проведена ее проверка, ее можно использовать для предсказания, объяснения и диагностики. В результате обработки поступившего образца классифицирующая модель выдает на выходе некоторое значение. Как правило, эти выходные значения бывает необходимо подвергнуть доводке. Например, если класс с номером 2 кодируется выходным вектором (0,1,0), а сеть выдала (0.1,0.6,0.3), то нужно решить, имеются ли достаточные основания причислить объект ко 2-му классу.

«Настройка» классификатора обычно бывает основана на пороговых правилах и/или сравнении расстояний между значениями целевых показателей. Нужно помнить, что нейронная сеть с прямой связью и сигмовидными выходми выдает ответ в непрерывном виде, обычно в интервале от 0 до 1 в зависимости от того, как располагаются разделяющие гиперплоскости скрытых элементов. Однако, даже если на выходе используются не апостериорные вероятности, а какая-либо более простая решающая функция, имеется возможность выдать надежный ответ. Настраивая критерий отбрасывания, можно уменьшить долю неправильных классификаций за счет повышения доли сомнительных случаев, т.е. таких ситуаций, когда лучше, вообще, не принимать никакого решения, чем принять неправильное.

Хотя на нейронные сети часто смотрят как на «черный ящик», есть некоторые возможности выяснить влияние каждого фактора на решение, принимаемое в задаче классификации. На данное время формального метода, позволяющего извлекать из обученной сети информацию о задаче или о правилах классификации, не существует. Как правило, анализ сетей проводится эвристически. Некоторые из таких методов будут описаны при рассмотрении процедур моделирования.

Далее может быть проведен анализ чувствительности и исследование причин неправильной классификации. Исследуя, насколько сильно (или, наоборот, слабо) сеть реагирует на отдаленность образца от разделяющей границы, можно вывести характеристику «разрешающей способности» метода классификации. Одно из возможных применений такого анализа— исследование сомнительных случаев и последующее удаление их из обучающей базы данных.