Dựa trên kiến trúc của một hệ thống khai phá dữ liệu đã được tôi trình bày ở chương 2, cùng với nhữn lý thuyết về mạng noron ở chương 3. Chúng ta có thể sử dụng mô hình sau cho việc dự đoán:
Tập huấn luyện Tập đánh n,⃗ Học cho mạng Mạng đã được học giá Hàm đánh giá Yes No Tập dự
đoán Mạng tối ưu
Kết quả
Hình 4.1 – Mô hình dự đoán sử dụng mạng noron
Mô hình trên bao gồm:
Tập đánh giá: là tập dùng để kiểm chứng việc học của mạng.
Hàm đánh giá: thực hiện công việc kiểm định xem mạng đã đáp ứng được yêu cầu của hệ thống chưa.
Tập dự đoán: là tập dữ liệu có cấu trúc giống như tập huấn luyện nhưng giá trị cần dự đoán bị khuyết và nhiệm vụ của mạng noron đã được tối ưu là bổ sung giá trị bị khuyết này của tập dự đoán.
Quá trình hoạt động của mô hình
Giai đoạn học: Ban đầu mạng noron với thuật toán lan truyền ngược (đã giới thiệu ở trên) sẽ sử dụng tập huấn luyện làm vector đầu vào để xác lập các tham số cho mạng như số lớp ẩn, các trọng số liên kết… Kết quả thu được sẽ là một mạng đã được học, tuy nhiên để đảm bảo nó đáp ứng được độ chính xác cao cần phải cho chạy thử với tập dữ liệu khác dùng để đánh giá. Ta sẽ thu tỷ lệ lỗi của mạng đối với tập đánh giá này và thực hiện so sánh với tỷ lệ lỗi giới hạn, nếu đáp ứng được thì chấp nhận mạng vừa được học đó, nếu không thì thay đổi tham số và quay lại bước học
Giai đoạn dự đoán: Sau khi kết thúc giai đoạn học, ta sẽ thu được một mô hình mạng nơ ron với các tham số tốt nhất. Khi đó, ta chỉ cần dùng bộ dữ liệu dùng để dự đoán áp vào mô hình thì mô hình sẽ trả lại kết quả dự báo.