Reti neurali – formato di output

Reti neurali – formato di output

I valori di output di una rete neurale rappresentano valori continui in un intervallo {0, 1}. Tuttavia, anche l’output può essere trasformato per sistemare i valori delle classi categoriche.
- Supponiamo di avere una rete con un solo nodo di output e di volerla addestrare per individuare i nuovi clienti di una società di carte di credito che probabilmente aderiranno ad una promozione.
- Designiamo con 1 un output ideale per i clienti che probabilmente accetteranno la promozione e con 0 l’output per quelli che non aderiranno all’offerta.
- Una volta addestrata la rete, possiamo essere sicuri di classificare un valore di output pari a 0,8 come un cliente ben disposto ad aderire alla promozione. Tuttavia, come ci comportiamo di fronte ad un valore di 0,45:
- Il data set di test ci aiuta a risolvere questo problema.
- Infatti, prima di sottoporre la rete a osservazioni sconosciute, immettiamo il test set e annotiamo i risultati per ogni osservazione. Quando un’osservazione ignota mostra un valore incerto v, come nel caso precedente, la classifichiamo secondo la classe di appartenenza della maggior parte delle osservazioni vicine o pari a v.
Un altro problema tipico si manifesta quando vogliamo utilizzare la rete neurale per fare delle previsioni.
- Supponiamo di aver addestrato una rete per prevedere il valore futuro di un’azione. Dal momento che l’output può assumere solo valori compresi nell’intervallo {0, 1}, abbiamo bisogno di un metodo per convertire l’output in termini di prezzo delle azioni.
- Supponiamo che il valore di output sia pari a 0,35. Moltiplichiamo l’intervallo dei dati di training (training set) relativo al prezzo dell’azione per tale valore e aggiungiamo al risultato il prezzo più basso riscontrato.
- Se il range di prezzo varia da 10€ a 100€, otteniamo quanto segue:
valore stimato = (100 – 10) x (0,35) + 10 = 41,5€