数据集概述
本数据集包含多层感知器（MLP）模型的输出结果及隐藏节点权重分析数据，共2个文件。核心内容为模型的交叉验证、全数据集训练测试结果、分类报告、网络连接权重，以及权重的回归、Welch's t检验和Pearson相关性分析结果。
文件详解
- 文件1：Model Results FINAL.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含MLP模型的Python输出结果，具体内容有k折交叉验证结果、全数据集训练/验证/预留测试结果、分类报告、最终网络连接权重
- 文件2：Hidden_Node_Analysis_FINAL.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含网络权重的分析结果，具体内容有回归分析结果、Welch's t检验结果、Pearson相关性分析结果
适用场景
- 机器学习模型评估: 分析MLP模型在交叉验证、全数据集训练测试中的性能表现
- 神经网络权重分析: 研究隐藏节点权重的统计特性，包括回归关系、组间差异（Welch's t检验）及相关性
- 模型优化参考: 基于分类报告和权重分析结果，优化MLP模型的结构或参数
- 学术研究支持: 为机器学习领域中多层感知器模型的相关研究提供实证数据
