Treść książki

Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
PowyżejwskazaneargumentynarzeczSSNpowinnybyćocenianejakoistotne.
Tymbardziejwartoniecowięcejmiejscapoświęcićprawdopodobnienajważniejszej
zaleciesztucznychsiecineuronowych-zdolnościdoodwzorowywaniazłożonych
związkówfunkcyjnych.
101050Brakkoniecznościspełnieniawarunkuliniowości
inormalnegorozkładudanych
Zewzględunawagętegoargumentupoświęcimymuniecowięcejmiejsca.Itak,
sztucznesiecineuronowepomocnewanaliziezjawiskniedokońcazdefiniowa-
nychprecyzyjniewsposóbformalny,czylijestmożliwezastosowanieinteresującej
nastechnikibezdogłębnegownikaniawcharakter(związekfunkcyjny)założeń
teoretycznychbadanegoproblemu.Dalsząkonsekwencjątakiegostanurzeczyjest
możliwośćmanipulowaniawsieciachneuronowychzwiązkamiprzyczynowo-skut-
kowymi-możnazatemuczynićskutekprzyczyną,czylimożnadokonaćbadania
podkątemoczekiwanychparametrów,efektów,skutków(siećneuronowajakotzw.
modelodwrotny).Wszczególnościoznaczatotakżebrakkoniecznościspełnienia
aprioriwarunkuliniowościoraznormalnegorozkładuzmiennych19.Braktychcech
orazwspółzależnościzachodzącemiędzyzmiennyminatomiastdośćpowszechne
wdanychwykorzystywanychwpolitologii20.
Argumentdotyczącyjakościzmiennychjestszczególniedobrzewidoczny
wzastosowaniachwspomnianejjużregresjiwielokrotnej.Otóżoprócztego,żedane
musząspełniaćwaruneknormalnegorozkładuiliniowegozwiązkuzmiennychzależ-
nychiniezależnych,należytakżezbadaćzmiennepodkątemmożliwychodstępstw
odrównomiernegorozkładuwariancjiresztmodelu(heteroskedastyczność).
Formalnierzeczujmując,stajemyprzedproblememwielowymiarowościdanych.
Dodatkowowmodelowaniuliniowymraczejpomijasięmożliwość,żetonietyle
samezmienneniezależnewpływająnazmiennązależną,ilewzajemnerelacjepomię-
dzyzmiennymimogądeterminowaćlogikęwyjaśnianegozjawiska.
Odstronytechnicznejmodelowanienielinioweoznaczazkoleiodejścieod
powszechnieznanychmetodanalizyregresyjnej,jakchoćbymetodanajmniejszych
kwadratów(ordinaryleastsquares,OLS).Jakkolwiekposiadaonaugruntowanąpozy-
cjęwstatystyce,odznaczasięonatakżeconajmniejjednąnkłopotliwą”właściwo-
ścią-jestwrażliwanawartościodstającewzbiorzedanych.Sposóbradzeniasobie
ztymfaktemjesttakżedobrzeznany:pomijasiętakiedanezezbioru.Mówiączatem
19Za:G.D.Garson,Neuralnetworks…,s.9.
20Jednymzpowszechniejidentyfikowanychzwiązkówzachodzącychmiędzydanymijestichzależność
odfunkcjiczasu;szerzejnatentematzob.np.L.K.Williams,TemporalDependenceandtheSensitivityof
QuantitiesofInterest:ASolutionforaCommonProblem,nInternationalStudiesQuarterly”2018,t.62,nr4,
s.892-902.
1.1.Zaletysztucznychsiecineuronowych
23