Представление переменных

Обычно переменные разных типов представляются в программах сле­дующим образом.

Непрерывные (числовые) значения. Представляются одной веще­ственной переменной. Все вопросы, связанные и диапазоном значений, решаются в системе ST Neural Networks путем масштабирования (шкали­рования), которое является составной частью процедуры пре/пост-процессирования.

Целочисленные. Представляются в вещественном эквиваленте.

Даты и время. Преобразуются в числовые значения вычислением по­ложения момента времени относительно заданного начала отсчета.

Номинальные переменные (атрибуты). В ST Neural Networks имеют специальное представление как номинальные переменные. Специальные средства позволяют преобразовывать их к виду, понятному для нейронной сети. Пример номинальной переменной: Род - Gender ={Муж - Male, Жен - Female}.

Номинальные переменные с двумя состояниями, принимающие два зна­чения, представляются в бинарном виде (переменной соответствует один элемент сети, который активируется или нет в зависимости от значения переменной).

Любую номинальную переменную можно записать методом кодирования 1-из-N: при этом одной номинальной переменной соответствует N эле­ментов сети (здесь N - число различных номинальных значений перемен­ной), один из которых бывает активен, а остальные - нет. Кодирование методом 1-из-N - это стандартный способ записи номинальных перемен­ных, которые могут принимать более двух значений. Для переменных, принимающих только два значения, стандартным является бинарное представление, хотя можно использовать и кодирование 1-из-N (за одним исключением: выходная переменная вероятностной нейронной сети всегда кодируется методом 1-из-N, даже если у нее всего два возможных со­стояния).

Если номинальная переменная может принимать очень много различных значений, то для нее можно использовать метод кодирования N – в - одну: различным вариантам соответствуют различные целочисленные значения единственной переменной. В пакете ST Neural Networks для этого нужно выбрать вариант кодирования Явное - Explicit, Минимакс - Minimax или Нет - None. Различным номинальным значениям будут поставлены в со­ответствие числа 1,2,3..., после чего они будут естественным образом упорядочены. Как правило, такой способ записи хуже, чем 1-из- N, но в отдельных случаях - когда кодирование 1-из-N приводит к сети слишком большого размера - может оказаться более предпочтительным.

Текстовые строки. Нейронная сеть не сможет обрабатывать произ­вольные строки текста, пока вы не укажете ей осмысленный способ при­писывать им числовые значения или 1-из-N коды.

Дата добавления: 2015-11-30