Визуально, т.е. на основе взгляда на диаграммы, определить связь факторов с целевой функцией можно только в относительно простых случаях, например, когда связь явная и сильная. Однако сравнение влияния факторов между собой - задача нетривиальная, и грубые методы здесь вряд ли помогут. Сначала я бы отметил, что здесь следует...
В дополнение отмечу, что Loginom - активно развивающийся продукт; мы внимательно отслеживаем обратную связь и оперативно включаем в нашу "дорожную карту" те возможности, которые в наибольшей степени востребованы нашими пользователями. Что касается данного случая, то принципиальных возражений к включению "многомерной" классификации у нас нет, поэтому, если запрос на данный функционал будет иметь место, он будет дорабатываться с повышенным приоритетом.
Нет, это сделано намеренно. Нейросеть, осуществляющая классификацию, имеет по одному выходному нейрону для каждого возможного значения класса. При прогоне данных через обученную нейросеть рассчитываются оценки вероятностей для каждого выхода, после чего выбирается "победитель". Если бы мы позволили задавать несколько полей...
Дело в том, что компоненты "Нейросеть (регрессия)" и "Нейросеть(классификация)" внутренне ограничивают виды данных полей, которые могут быть использованы в качестве выходных. Если вы пользуетесь регрессионной нейросетью, то выходным может быть только поле с непрерывным видом данных, а если классификатором - то только с...
Кратко - на оба вопроса ответ "нет, неправильно". Между классификатором и регрессионной сетью есть два отличия: одно структурное и одно связанное с процессом обучения. Первое состоит в том, что в данных типах сетей применяются различные выходные слои. Регрессионная сеть имеет три возможных типа выходного слоя (на самом деле вы...