Задание 3.1. Для заданных исходных данных выполнить все этапы решения задачи прогнозирования с помощью нейронных сетей в системе MatLab:
Решение задачи разбейте на несколько этапов.
1. Предварительная обработка данных: нормировка и сокращение размерности методом главных компонент (в качестве входных параметров берем последние 7 из таблицы данных).
2. Построение нейронной сети на основе архитектуры многослойного персептрона.
3. Построение прогноза по обученной нейронной сети показателя ИПЦ на следующие 4 квартала на основе имеющихся экономических показателей предприятия, сравнение прогноза с известными показателями и оценка качества прогноза.
Задание 3.2. Сравнить результаты нейросетевого прогнозирования и прогнозирования с помощью линейной регрессионной модели.
Контрольные вопросы
1. Назовите этапы предварительной обработки данных.
2. Какие способы нормировки данных вы знаете? С какой целью выполняется нормировка данных? Какая нормировка данных считается наиболее удачной?
3. Какие способы определения значащих факторов вы знаете? Как определяют значащие факторы в линейных моделях? Как определить значащие факторы в нелинейных моделях?
4. В чем состоит метод главных компонент?
5. Как отбирают значащие факторы в задачах классификации?
6. Какие общие подходы к отбору значащих факторов вы знаете?
Литература
1. Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. Методы и модели анализа данных: OLAP, Data Mining. – СПб.: БХВ-Петербург, 2004. – 336с.
2. Ситник В.Ф. Інтелектуальний аналіз даних. К.: КНЕУ, 2007. –
- Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP. – СПб.: БХВ-Петербург, 2007. – 384 с.
- Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям: Учеб. пособие. 2-е изд., перераб. и доп. _ СПб.: Питер, 2010. – 704 с.
5. Чубукова И.А. Data mining: учебное пособие – М.: Интернет-университет информационных технологий: БИНОМ: Лаборатория знаний, 2006. – 382 с. – ISBN 5-9556-0064-7.
- Ханк Д.Э., Уичерн Д.У., Райтс А.Дж. Бизнес-прогнозирование, 7-е издание, пер. с англ. – М.: Издательский дом «Вильямс», 2003. – 656 с.
7. Ежов А.А., Шумский С.А. Нейрокомпьютинг и его применения в экономике и бизнесе (серия "Учебники экономико-аналитического института МИФИ" под ред. проф. В.В. Харитонова). М.: МИФИ, 1998. - 224 с.
- http://www.ml-class.org/course/auth/welcome- курс по машинному обучению.
- К. В. Воронцов Математические методы обучения по прецедентам (теория обучения машин). Конспект лекций - http://www.ccas.ru/voron