基于MIV的神经网络变量筛选----基于BP神经网络的变量筛选

Dombi等人提出用平均影响值（MIV）来反映神经网络中权重矩阵的变化情况，MIV被认为是在神经网络中评价变量相关性最好的指标之一，从而开创了解决此类问题的新思路。因此探索此类型的评价指标的在实际工作中的运用以及寻找新的评价指标是值得研究的课题。前面讨论的神经网络中所包括的网络输入是研究者根据专业知识和经验事先选择好的。然而在许多神经网络的应用中，由于没有清晰的理论依据，神经网络所包含的自变量即网络输入难以预先确定，如果将一些不重要的自变量也引入神经网络，会减低模型的精度，因此选择有意义的自变量常常是神经网络分析的第一步。选择神经网络输入的方法有多种，其基本思路是：尽可能将作用效果显著的自变量选人神经网络模型中，将作用不显著的自变量排除在外。本例将结合BP神经网络应用MIV方法来说明具体如何使用神经网络来筛选变量，找到对结果有较大影响的输入项。