Neural Excel, как использовать

Обновлено: 03.07.2024

В этом руководстве показано, как настроить и интерпретировать нейронную сеть с помощью механизма XLSTAT-R в Excel.

Что такое нейронные сети?

Нейронные сети (НС) – это мощные алгоритмы машинного обучения, используемые в различных областях, таких как распознавание образов, анализ данных, медицинская диагностика и обнаружение мошенничества. Идея, если говорить простыми словами, заключается в том, что нейронная сеть получает большой объем информации, а затем разрабатывает систему для обучения на этой информации. Например, при распознавании речи NN может учиться на звуковых записях, а затем использовать эти знания для преобразования звуков в текст.

Нейронная сеть состоит из ряда взаимосвязанных нейронов (узлов), организованных в несколько слоев (входной, скрытый и выходной).

Функция нейронной сети, разработанная в XLSTAT-R, вызывает функцию нейронной сети из пакета нейронной сети в R (Стефан Фрич).

Набор данных для подбора нейронной сети в XLSTAT-R

Лист Excel с данными и результатами можно загрузить, щелкнув ссылку, указанную в начале руководства.

Данные соответствуют набору данных Boston в пакете MASS. Он содержит информацию о стоимости жилья в пригородах Бостона, такую ​​как уровень преступности на душу населения по городам, среднее количество комнат в жилище и медианную стоимость домов, занимаемых владельцами. Первоначально он был опубликован Харрисоном Д. и Рубинфельдом Д.Л. «Гедонистические цены и спрос на чистый воздух», J. Environ. Экономика и менеджмент, том 5, 81–102, 1978 г.

Цель состоит в том, чтобы спрогнозировать медианную стоимость домов, занимаемых владельцами, с использованием всех других доступных переменных. Для целей этого руководства исходные данные были изменены и случайным образом разделены на обучающий и тестовый наборы данных.

Настройка нейронной сети с помощью XLSTAT-R

Открыв XLSTAT, выберите команду XLSTAT-R/neuralnet/Neural network, как показано ниже:

Откроется следующее диалоговое окно:

На вкладке «Общие» выберите диапазон N1:N381 в поле «Зависимые переменные», а также диапазон A1:M381 в поле «Независимые количественные переменные». Выбранные данные соответствуют данным поезда. На вкладке «Параметры» введите 5,3 в поле «Нейронов на слой», чтобы определить количество нейронов в скрытых слоях. Алгоритм RProp+ относится к устойчивому обратному распространению с возвратом веса. На вкладке Прогнозы выберите диапазон A383:M509 в поле Независимые количественные переменные. Эти наблюдения исходят из тестовых данных. Нажмите OK, чтобы начать вычисления.

Интерпретация вывода нейронной сети


Подобранная нейронная сеть представлена ​​на следующем графике. Черные линии показывают связи между каждым слоем и веса каждой связи, а синие линии показывают смещение, добавляемое на каждом этапе. Результаты, отображаемые на графике, также приведена в таблице весов выходных данных XLSTAT.

Сделанные прогнозы отображаются в следующей таблице для первых нескольких наблюдений набора тестовых данных. Чтобы визуализировать производительность нейронной сети, мы можем построить график прогнозируемого среднего значения по сравнению с фактическим средним значением (см. ниже). Мы наблюдаем сильную корреляцию между предсказаниями модели и фактическими значениями. Таким образом, мы можем предположить, что модель дает хорошие прогнозы.

Vaimal – это надстройка для машинного обучения, которая позволяет обучать и развертывать алгоритмы машинного обучения без программирования. Вы можете делать прогнозы на основе новых данных, используя модели, обученные на исторических данных. Создавайте деревья решений, поддерживайте векторные машины и нейронные сети в Excel®.

Он также включает в себя более мощные ансамблевые методы для объединения моделей для повышения эффективности прогнозирования. Простой в использовании интерфейс позволяет вам сосредоточиться на ваших данных. Также можно не беспокоиться об изучении рутинных задач программирования, необходимых для работы с распространенными платформами машинного обучения.

Предварительная обработка необходима для успешного машинного обучения. Vaimal предлагает множество инструментов предварительной обработки, упрощающих задачу подготовки данных для обучения и прогнозирования.

Прогресс обучения нейронной сети - машинное обучение

Получить сейчас!

Vaimal бесплатно! Вы будете перенаправлены на FastSpring для немедленной загрузки.

Рабочий процесс надстройки машинного обучения

Рабочий процесс создания и использования моделей с надстройкой машинного обучения Vaimal:

  1. Импорт данных. Поместите данные на лист Excel.
  2. Предварительная обработка данных Обработка отсутствующих данных, нормализация данных и кодирование категориальных входных данных. У Vaimal есть несколько утилит для предварительной обработки данных.
  3. Выберите модель для использования и дизайна.Выберите используемую модель и параметры дизайна.
  4. Обучение модели Используя обучающие данные с известными выходными данными, обучите модель.
  5. Протестируйте модель. Используя данные, отличные от данных для обучения, проверьте способность модели прогнозировать по сравнению с известными выходными данными.
  6. Прогнозирование Используйте модель для прогнозирования данных с неизвестным результатом. Шаблон предварительной обработки можно использовать для предварительной обработки данных для прогнозирования за один шаг.

Возможности

Инструменты предварительной обработки

Проверка данных Проверка данных сканирует ваши данные и предупреждает вас об отсутствующих данных, нечисловых данных и столбцах со всеми одинаковыми значениями. Это хорошая начальная проверка, помогающая найти данные, которые необходимо очистить или преобразовать.

Нормализация данных. Масштабирование функций на [0,1], масштабирование функций на [-1,1] и стандартизация.

Кодирование категориальных данных от 1 до n, 1 из c, 1 из c-1 и 1 против всех

Отсутствующие данные Замените отсутствующие значения искусственными или производными данными. Удалить строки с отсутствующими значениями или указанным значением. Очистить ячейки с нечисловым или указанным значением.

Для определения относительной важности каждой входной переменной можно использовать деревья принятия решений. Это можно использовать для удаления ненужных данных.

Предварительная обработка шаблонов

Когда ваша модель отправляется в производство, шаблоны позволяют предварительно обрабатывать новые данные за один шаг. Они также предупреждают вас о возможных проблемах с отсутствующими или недействительными данными.


Мы все слышали преувеличения средств массовой информации о нейронной сети, что нейронная сеть является своего рода интеллектуальной системой. Если вы когда-нибудь узнавали о нейронных сетях, я хочу задать вам несколько простых вопросов:

  • Как создать нейронную сеть, которая может выполнять простое вычитание, например C = AB?
  • Как создать нейронную сеть, которая может выполнять простое умножение, например C=A.B?
  • Как создать нейронную сеть, которая может выполнять простое деление, например C=A/B?
  • Как разработать нейронную сеть, которая может выполнять логические операции, такие как ((A XOR B) AND C) OR (A AND B)?
  • Как разработать нейронную сеть, которая может выполнять простую линейную регрессию, например y=m.x+c?
  • Как разработать нейронную сеть, которая может делать простые прогнозы для данных временных рядов?

Если нейронная сеть действительно является интеллектуальной системой, почему ответить на приведенные выше простые и очевидные вопросы кажется очень сложным?

Большинство книг о нейронных сетях слишком сложны, чтобы игнорировать самые основные уроки. Большинство авторов предполагают, что большинство читателей понимают высшую математику, и вы должны знать математические вычисления и программировать на C++ или Python. Есть ли надежда, что вы сможете сделать нейронную сеть в простом научном калькуляторе или в электронной таблице без какого-либо программирования? Вот тут-то и пригодится этот учебник по нейронной сети. Если вы просто хотите понять, что такое нейронная сеть, как она работает и как ее можно применять для решения проблем в вашей жизни (не проводить исследования для создания нового типа нейронной сети). сеть, но использовать нейронную сеть в повседневной жизни), то этот урок для вас.

В этом руководстве основное внимание уделяется числовым примерам, решениям в виде электронных таблиц в качестве комплексных проектов и тому, как применять нейронные сети для решения реальных проблем, от данных до прогнозирования. Этот учебник включает в себя несколько очень простых и очевидных вопросов, на которые многие другие книги по нейронным сетям просто не дают подсказок или ответов. Этот учебник по нейронным сетям действительно предназначен для начинающих, чтобы восполнить пробел в знаниях по математике и программированию. После прочтения этого руководства вы будете более уверены в том, что вы можете делать с нейронной сетью, а что нет. Ваша уверенность в себе очень ценна, она превыше любой цены.

Мы начнем с базовой простейшей модели нейрона, а затем будем развивать ее во все более и более сложную сетевую архитектуру. В зависимости от архитектуры сети, нелинейной функции внутри нейрона, методов обучения и его целей были разработаны разные названия моделей нейронных сетей. Однако в этом уроке мы обсудим самые известные сети с прямой связью, такие как McCulloch and Pit, Perceptron, ADaptive LINEar Neuron (ADALINE), Multi-Layer Perceptron (MLP), Many ADaptive LINEar Neuron (MADALINE) и сеть обратного распространения.

Благодаря рабочим числовым примерам вы шаг за шагом узнаете, как использовать существующую нейронную сеть, а затем как построить свою собственную нейронную сеть, которая может учиться на примерах, используя простую электронную таблицу Microsoft Excel, без программирования макросов. Действительно, это уникальное руководство полезно для людей, которые хотят очень быстро изучить нейронную сеть. Электронные таблицы, сопутствующие этому руководству, доступны для загрузки только тем, кто приобрел полную версию этого руководства.

Автор предполагает, что у читателей нет предварительных знаний о науке о данных или нейронных сетях. Уровень математики был снижен до уровня средней школы или до уровня начала колледжа. Нет необходимости глубоко разбираться в исчислении, и нет необходимости в программировании. Однако автор также предполагает, что читатели знают, как писать формулы и как использовать электронные таблицы в Microsoft Excel. Это не учебник по Excel для начинающих. На самом деле, изучив эту книгу, вы оцените, как использовать электронные таблицы более эффективно.

В этом руководстве представлено более 50 числовых примеров и комплексных решений в виде электронных таблиц. Примеры даны в рамках, чтобы представить шаги, которые вам необходимо освоить, прежде чем идти дальше. Упражнения в конце каждого раздела очень полезны для изучения вариантов значений.

Эта электронная книга уникальна! Вы не можете найти эту информацию о создании нейронной сети только с использованием электронных таблиц без программирования где-либо еще!

Что такое нейронная сеть?

Искусственная нейронная сеть — это семейство моделей, имитирующих нервные клетки мозга. Элемент единичной обработки представляет собой простую модель, называемую нейроном. Каждый нейрон — это, по сути, функция, которая может получать множество входных данных и производить только один выходной сигнал. Объединение множества нейронов в сеть нейронов — это то, что мы называем искусственной нейронной сетью или просто нейронной сетью для краткости.

Почему вам необходимо загрузить эту электронную книгу и сопутствующие файлы СЕЙЧАС?

  • Получите полное понимание. Эта уникальная книга посвящена вашему пониманию этой увлекательной темы.
  • Экономьте время на обучение. Ваше время очень ценно. Самостоятельное изучение этой темы сэкономит вам много времени.
  • Понимание этой темы улучшит вашу учебу, вашу работу и ваши исследования. Со временем вы сможете развить его и получить больше денег на будущее.
  • Если вы учитель, чтение этого руководства поможет вашим ученикам понять очевидное и применить нейронную сеть в своей жизни.
  • Купив ПОЛНЫЙ учебник, вы сможете читать его в очень удобном формате PDF без рекламы. Вы можете увеличивать и уменьшать масштаб, чтобы четко видеть формулы. Вы можете читать на любом вычислительном устройстве (телефон, планшет, ПК, ноутбук, Mac, iPad).
  • Полное руководство также поставляется в виде электронной книги вместе с сопутствующими файлами. Учебное пособие по электронным таблицам откроет вам глаза на эту увлекательную тему. Это улучшает ваше понимание. Полное руководство станет вашим самостоятельным руководством по совершенствованию учебного процесса. Вы можете читать его в автономном режиме в любом месте в любое время, даже если у вас нет подключения к Интернету.

Что вы получите, загрузив его СЕЙЧАС?

Более 120 страниц учебника по нейронным сетям, включая более 50 примеров, в основном полные числовые примеры и комплексные решения в Excel. В этой электронной книге «Учебник по нейронным сетям» вы изучите следующие увлекательные темы за очень КОРОТКОЕ ВРЕМЯ (нажмите на ссылку, чтобы увидеть БЕСПЛАТНЫЕ примеры страниц в Интернете):

    ?
      ?
    1. Ограничение нейронной сети
    2. Терминология и обозначения нейронных сетей
      1. Проблемы с обратным распространением
        1. Булевая нейронная сеть
        2. Арифметическая нейронная сеть
          1. Простая линейная регрессия
          2. Множественная линейная регрессия
          3. Логистическая регрессия
          4. Полиномиальная регрессия
            1. Дизайн нейронной сети
            2. Обучение нейронной сети
            3. Использование нейронной сети

            Цена

            Купить сейчас (безопасная покупка через PayPal) всего за 99 долларов США.

            Для вашего удобства, чтобы упростить процесс загрузки руководства, если у вас нет учетной записи PayPal, зарегистрируйтесь в PayPal, прежде чем купить его. Регистрация в PayPal бесплатна.

            Как приобрести это руководство?

            1. Нажмите кнопку «Купить сейчас» выше. Вы будете перенаправлены на веб-сайт PayPal для оплаты.
            2. Зарегистрируйте свою электронную почту в PayPal (если вы еще этого не сделали). Вы можете совершить покупку без регистрации в PayPal, но получение учебника займет не менее 24 часов.
            3. После оплаты PayPal автоматически предоставит вам ссылку перенаправления на страницу загрузки учебного пособия. Вы можете получить электронную книгу и сопутствующие файлы сразу после покупки.

            Учителя, которые хотят использовать эту электронную книгу или сопутствующие файлы для учащихся в классе, могут связаться с нами, чтобы приобрести лицензию на электронную книгу оптом. Бесплатный слайд Power Point доступен при оптовой покупке более 10 лицензий.

            Загружая наш продукт или применяя наш сервис, вы соглашаетесь с нашими условиями обслуживания.

            Если у вас возникли проблемы с вашим заказом, свяжитесь с нами.

            Посмотрите другие уроки от Revoledu

            До сих пор вы можете прочитать наш образец БЕСПЛАТНОГО руководства.Наш учебник даст вам БЫСТРО и ПРОСТО понимание темы. В отличие от многих других книг и руководств, мы даем вам только основной курс. В наших руководствах всегда есть исчерпывающие примеры, которые шаг за шагом научат вас, как это сделать.


            Предиктор NeuroXL

            NeuroXL Predictor – это инструмент прогнозирования на основе нейронной сети, который быстро и точно решает задачи прогнозирования и оценки в Microsoft Excel. Он разработан с нуля, чтобы помочь экспертам в решении реальных задач прогнозирования. Интерфейс NeuroXL Predictor прост в использовании и интуитивно понятен, не требует предварительных знаний о нейронных сетях и интегрирован с MS Excel.


            Кластеризатор NeuroXL

            NeuroXL Clusterizer — это быстрый, мощный и простой в использовании программный инструмент нейронной сети для кластерного анализа данных в Microsoft Excel. Разработанный, чтобы помочь экспертам в реальных задачах интеллектуального анализа данных и распознавания образов, он скрывает основную сложность процессов нейронной сети, предоставляя пользователю графики, чтобы легко понять результаты. NeuroXL Clusterizer использует только проверенные алгоритмы.


            Библиотека нейронных сетей OLSOFT

            Библиотека нейронных сетей OLSOFT — это класс для создания, изучения и использования нейронных сетей обратного распространения и SOFM (самоорганизующейся карты объектов). Библиотека делает интеграцию функциональности нейронных сетей в ваши собственные приложения простой и бесшовной. Это позволяет вашим программам выполнять анализ данных, классификацию и прогнозирование.


            ПредикторCMD

            PredictorCMD – это инструмент прогнозирования на основе нейронной сети, который быстро и точно решает задачи прогнозирования и оценки и работает из командной строки. Он разработан с нуля, чтобы помочь экспертам в решении реальных задач прогнозирования. Программное обеспечение обеспечивает повышенную точность и аккуратность в самых разных областях.


            PredictorCMD и библиотека нейронных сетей OLSOFT

            Набор инструментов разработчика для интеграции функций PredictorCMD в ваши собственные приложения с помощью функции командной строки. Это позволяет вашим программам выполнять анализ данных, классификацию и прогнозирование.


            Пакет NeuroXL (предиктор + кластеризатор)

            Получите пакет NeuroXL — мощный программный комплекс для нейронных сетей по более низкой цене! Пакет включает в себя как Clusterizer, так и Predictor. Нажмите кнопку «Купить сейчас» ниже, чтобы мгновенно сэкономить 25% от суммы покупки!


            Обновлены установочные файлы NeuroXL Predictor, NeuroXL Clusterizer и NeuroXL Package (исправлены неработающие ссылки на сайт Microsoft в процессе установки). Номера версий не изменились.

            11 мая 2021 г.

            Подписаться на новости

            Отзывы

            Я определенно могу порекомендовать программное обеспечение NeuroXL любому человеку или компании, которые хотели бы воспользоваться преимуществами искусственных нейронных сетей для анализа сложных данных.

            Доктор. Жан-Мишель Жаке

            Читайте также: