Всем привет. В общем хочу понять одну простую вещь. Как например использовать нейросеть для оценки адекватности клиента или как предсказать следующий шаг клиента основываясь на анкете клиента и на накопленной информации о его поведении и поведении других клиентов со схожими анкетами. В общем данных много, а проанализировать мозгов нехватает =)
Посматриваю в сторону нейросети, но все материалы по теме ориентированы только на распознование картинок, а это задача из сери 1+1. У кого какие идеи есть по теме?



_____________
программирование - инструмент для решения конкретных задач, любая попытка спроектировать что-то универсальное приведет к провалу.©paul85
В любом случае тебе прийдётся пройти путь изобретения велосипеда, который прошли другие, только причиной твоего изобретения будет непонимание принципов работы велосипеда изобретённого другими людьми.©SlavaFr
jQuery это попытка использовать АН-225 для перевозки зубочистки

McLotos
А какие в принципе есть шаги и как ты оцениваешь адекватность конкретного человека?

_____________
Промокод предоставляет скидку на заказ домена и/или хостинга reg.ru
BFCC-3895-8804-9ED2

McLotos
Тогда я думаю достаточно сохранять параметры клиентов, которые ушли в просрочку. Такие образы нежелательных параметров.
Если у клиента большинство параметров совпадает с нежелательными, тогда он потенциально опасен =)
Соответственно программа будет постоянно корректировать список нежелательный параметров при событии "ушёл в просрочку" и искать клиентов на грани, как то так.

_____________
Промокод предоставляет скидку на заказ домена и/или хостинга reg.ru
BFCC-3895-8804-9ED2

Да, но в информации по построению нейросетей, нет ни одного алгоритма, описыающего обработку информации, только обработка данных со значениями от -1 до +1

_____________
программирование - инструмент для решения конкретных задач, любая попытка спроектировать что-то универсальное приведет к провалу.©paul85
В любом случае тебе прийдётся пройти путь изобретения велосипеда, который прошли другие, только причиной твоего изобретения будет непонимание принципов работы велосипеда изобретённого другими людьми.©SlavaFr
jQuery это попытка использовать АН-225 для перевозки зубочистки

McLotos
Ну так я не нейросеть предложил) По сути просто считать процент нежелательных параметров у пользователя.
Нейросети сам пока не понял, во всех статьях авторы слишком пытаются показать не как это устроено, а сам факт того что они это понимают а ты нет)
Вероятно в этой теме тебя тоже закидают терминами позапутанней, приложат томограммы мозга, короче как обычно напустят тумана)

_____________
Промокод предоставляет скидку на заказ домена и/или хостинга reg.ru
BFCC-3895-8804-9ED2

Вот этот чувак на мой взгляд хорошо объясняет.

Насколько я понимаю вопрос -- 1) нужно взять набор данных

параметр1, параметр2, параметрN, результат
да         да        да      просрочка
да         нет       да      просрочка
нет        нет       да      все ок
ну и тд...

2) обучить этими данными нейронную сеть и она дальше будет сама предсказывать результат. Хотя наверное еще нужно как-то распределить "веса" параметров... Ну в общем это просто мои гипотезы.

Сделать это наверное проще всего на каком-нибудь фреймворке, например, том же TensorFlow. Еще там люди че-то и на PHP пишут.

А вообще про займы и кредиты научные работы пишут. Google -> "credit risk neural networks"

P.S. Есть пример, который часто попадался на глаза: по данным о пассажирах Титаника предсказать погибнут они или нет. Если абстрагироваться -- по моему то же самое :)

_____________
Чатик в телеге

И так что основное нужно понимать о нейросети (из урока по анатомии человеческого мозга)
Есть такая штука как Синапс (S). Это по сути канал передачи между нейронами.
Все нейроны разделены на слои, в зависимости от их функционала.
Нейроны делятся по типам, я тут попробую описать 4 типа, которые планирую использовать в своей нейросети.
Входные нейроны (I) - принимают информацию, его выход всегда равен его входу (т.е. они никак не изменяют принятую информацию), выходные синапсы I-нейронов должны идти ко всем нейронам H-слоя. Допускается только 1 слой I-нейронов. Количество I-нейронов всегда равно количеству учитываемых параметров, например если в анкете 30 полей, значит у нас будет 30 I-нейронов.
Скрытые нейроны (H) - обрабатывают информацию и преобразовывают ее в удобный для нейросети формат, выходы каждого H-нейрона должны идти ко всем нейронам O-слоя. H-нейроны занимаются вычислениями с помощью выбранной функции активации (F). Допускается любое количество H-слоев, но обычно их не больше 3х, количество H-нейронов в одном слое нужно устанавливать в зависимости от какого-то абстрактного ориентира (по крайней мере четких указаний на этот счет я не нашел). Если входной сигнал больше единицы, то нужно разделить 1 на значение входного сигнала.
Выходные нейроны (O) - выдают результат вычислений, может быть только один слой O-нейронов. Количество нейронов на O-слое всегда равно количеству вариантов ответа сети.
Нейроны смещения ( - bias-нейрон, его вход и выход всегда равен 1 и у них никогда не бывает входных синапсов. Использование B-нейронов должно гарантировать что существует только один B-нейрон на каждом слое, кроме выходного O-слоя. Либо B-нейрон не должен использоваться вовсе. B-нейрон не должен иметь связей с I-нейронами или с другими B-нейронами. B-нейрон нельзя располагать на слое O-нейронов. Соединения B-нейронов такие-же как и у всех остальных нейронов, т.е. один B-нейрон должен быть соединен со всеми нейронами следующего слоя. Количество B-нейронов всегда на один меньше, чем количество слоев.


_____________
программирование - инструмент для решения конкретных задач, любая попытка спроектировать что-то универсальное приведет к провалу.©paul85
В любом случае тебе прийдётся пройти путь изобретения велосипеда, который прошли другие, только причиной твоего изобретения будет непонимание принципов работы велосипеда изобретённого другими людьми.©SlavaFr
jQuery это попытка использовать АН-225 для перевозки зубочистки

Веса синапсов. В общем каждый следующий слой нейронов выставляет приоритет той информации, у которой синапс весит больше чем у других.
Вес синапса на начальном уровне при генерации сети можно раздавать рандомно, но потом в зависимости от правильности финального решения их можно менять подозревая, что какай-то из нейронов нам соврал или его результаты нам не очень важны, мы просто занижаем его вес.

McLotos
И ты туда же)

Arh
мне не понятно что ты хотел сказать своей метафорой

_____________
программирование - инструмент для решения конкретных задач, любая попытка спроектировать что-то универсальное приведет к провалу.©paul85
В любом случае тебе прийдётся пройти путь изобретения велосипеда, который прошли другие, только причиной твоего изобретения будет непонимание принципов работы велосипеда изобретённого другими людьми.©SlavaFr
jQuery это попытка использовать АН-225 для перевозки зубочистки

McLotos
Не метафора, а ход мыслей при чтении статей, на подобии твоего сообщения.
Приходишь узнать "Как например использовать нейросеть для оценки адекватности клиента", а в ответ получаешь несвязанную с задачей томограмму мозга.
Не знаю, может это я такой практик что не могу понять суть на метафорах.

Стрелочки на картинке это синапсы
Каждый синапс имеет свой вес. Этот вес по сути единственное на что мы можем влиять при проектировании сети. Так понятнее?

_____________
программирование - инструмент для решения конкретных задач, любая попытка спроектировать что-то универсальное приведет к провалу.©paul85
В любом случае тебе прийдётся пройти путь изобретения велосипеда, который прошли другие, только причиной твоего изобретения будет непонимание принципов работы велосипеда изобретённого другими людьми.©SlavaFr
jQuery это попытка использовать АН-225 для перевозки зубочистки