Weakerの多層パーセプトロンモデリング結果の解釈

Question

統計ツールボックスであるWekaのMultilayer Perceptronを使用してパワーモデルを生成しています。

Wekaは、生成されたパワーモデルを示していますが、私はそれをどのように解釈するのか分かりません。

Wekaによって生成されたこのモデルを使用して予測値を計算するにはどうすればよいですか？モデルを手で計算する方法を知りたい。

ありがとうございました。

=== Classifier model (full training set) === 

Linear Node 0 
    Inputs Weights 
    Threshold -0.040111709313733535 
    Node 1 -1.8468414006209548 
    Node 2 0.8245441127585728 
    Node 3 -0.6384807874184006 
    Node 4 -0.7484784535220612 
Sigmoid Node 1 
    Inputs Weights 
    Threshold -0.24446294747264816 
    Attrib CPU-User -0.608249350584644 
    Attrib CPU-System 0.13288901868419942 
    Attrib CPU-Idle 1.0072001456456134 
    Attrib GPS 0.39886318520181463 
    Attrib WIFI 2.661390547312707 
    Attrib Disk-Write 3.3144190265114104 
    Attrib Screen -0.18379082022126372 
Sigmoid Node 2 
    Inputs Weights 
    Threshold -0.04552879905091134 
    Attrib CPU-User 1.2010400180021503 
    Attrib CPU-System -0.415901207849663 
    Attrib CPU-Idle -1.8201808907618635 
    Attrib GPS 0.3297713837591742 
    Attrib WIFI 2.670046643619425 
    Attrib Disk-Write 1.0132120671943607 
    Attrib Screen 1.5785512067159402 
Sigmoid Node 3 
    Inputs Weights 
    Threshold -7.438472914350278 
    Attrib CPU-User -6.382669043988483 
    Attrib CPU-System -1.6622872921207548 
    Attrib CPU-Idle -0.12729502604878612 
    Attrib GPS -0.9716992577028621 
    Attrib WIFI 0.6911695390337304 
    Attrib Disk-Write -1.1769266028873722 
    Attrib Screen 0.5101113538728531 
Sigmoid Node 4 
    Inputs Weights 
    Threshold -5.509838959208244 
    Attrib CPU-User -0.3709271557180943 
    Attrib CPU-System -1.7448007514288941 
    Attrib CPU-Idle -0.08176108597065958 
    Attrib GPS -1.0234447340811823 
    Attrib WIFI -1.5759133030274077 
    Attrib Disk-Write 0.2376861365371351 
    Attrib Screen -1.5654514081278506 
Class 
    Input 
    Node 0 


Time taken to build model: 0.81 seconds 

=== Predictions ontest split=== 

inst#, actual, predicted, error 
    1 153727.273 169587.843 15860.57 
    2 159036.364 168657.043 9620.68 
    .... 

Answer 1

This presentationニューラルネットワークのために使用する背景と方程式にいくつかの詳細を提供します。 Wekaの出力は、各ノードのタイプと入力と重みを与えます。あなたはその情報を使って自分で数値を計算できるはずです。

Answer 2

WEKAの多層パーセプトロンの場合。ネットワークトポロジを変更していない場合、このネットワークの隠れ層のノードはすべてシグモイドですが、出力ノードはリニアユニットです。例えば、 。 「線形ノード0」は出力ユニット、Sigmoidノード1〜4は4つの隠れユニットです。すべての値は相互接続の重みです。取得した結果を手動で計算するために使用することができます。

Answer 3

質問は古くなっていますが、他は回答に興味があるかもしれません。デフォルトでは、Wekaは入力と出力を-1から1の範囲で正規化します。これによりモデルの精度が向上することがよくあります。入力を同じ範囲にスケーリングし、その範囲の出力を元の範囲に戻す必要があります。

非線形ユニットの活性化関数は1 /（1 + exp（-activation））です。少数のユニットでは、これはすぐに乱雑になりますが、正しい答えを得ることができます。 WekaがThresholdと呼ぶものは、文献ではBiasとも呼ばれ、それが取り付けられているユニットの起動に単純に追加されます。