SPSS神经网络PPT资料.pptx
- 文档编号:14328261
- 上传时间:2022-10-22
- 格式:PPTX
- 页数:22
- 大小:352.28KB
SPSS神经网络PPT资料.pptx
《SPSS神经网络PPT资料.pptx》由会员分享,可在线阅读,更多相关《SPSS神经网络PPT资料.pptx(22页珍藏版)》请在冰豆网上搜索。
您可以设置网络的训练条件,从而控制训练的停止条件以及网络结构,或者让算法自动选择最优的网络结构。
神经网络,在许多领域,都可以将SPSS神经网络和其他的统计分析过程结合起来,获得更深入、清晰的洞察力。
例如,在市场研究领域,可以建立客户档案发现客户的偏好;
在数据库营销领域,可以进行客户细分,优化市场活动的响应。
在金融分析方面,可以使用SPSS神经网络分析申请人的信用状况,探测可能的欺诈。
在运营分析方面,也可以使用这个新工具管理现金流、优化供应链。
此外,在科学和医疗方面的应用包括预测医疗费用、医疗结果分析、预测住院时间等。
神经网络,SPSS神经网络,包括多层感知器(MLP)或者径向基函数(RBF)两种方法。
这两种方法都是有监督的学习技术也就是说,他们根据输入的数据映射出关系。
这两种方法都采用前馈结构,意思是数据从一个方向进入,通过输入节点、隐藏层最后进入输出节点。
你对过程的选择受到输入数据的类型和网络的复杂程度的影响。
此外,多层感知器可以发现更复杂的关系,径向基函数的速度更快。
MLP可以发现更复杂的关系,而通常来说RBF更快。
神经网络,使用这两种方法的任何一种,您可以将数据拆分成训练集、测试集、验证集。
训练集用来估计网络参数。
测试集用来防止过度训练。
验证样本用来单独评估最终的网络,它将应用于整个数据集和新数据。
多层感知器实例分析,首先产生随机数来选择样本数据集,选菜单转换(Transform)-随机数生成器(RandomNumberGenerators)-弹出对话框如图1-选择设置起点(SetStartingPoint)-选中固定值(FixedValue)-填入9191972,然后单击确定(OK)。
多层感知器实例分析,图1,多层感知器实例分析,菜单转换(Transform)-计算变量(ComputeVariable),弹出对话框如图2在目标变量(TargetVariable)中填入变量名partition,然后在数学表达式(NumericExpression)填入计算表达式2*RV.BERNOULLI(0.7)-1,此公式用于产生bernoulli分布数据,数据集名称为partition设置完成后单击确定(OK),多层感知器实例分析,图2,多层感知器实例分析,生成随机数后,选菜单分析(Analyze)-神经网络(NeuralNetwork)-多层感知器(MultilayerPerceptron)弹出对话框如图3选择变量PreviouslyDefaultdefault到因变量(DependentVariables),选择变量Leveleducationed到因子(Factors)。
选择变量age,employ,address,income,debtinc,creddebt,othdebt到协变量(Covariates).,多层感知器实例分析,图3,多层感知器实例分析,选择分区(Partition)弹出对话框如图4,选中使用分区变量分配个案(UsePartitionVariabletoAssignCases),然后选中变量partition到分区变量(PartitioningVariable)中。
多层感知器实例分析,图4,多层感知器实例分析,单击输出(Output)标签,弹出如图5选择ROC曲线(ROCCurve),累积增益曲线(CumulativeGainsChart),增益图(LiftChart),观察预测值(PrdictedbyObservedChart),去掉图表(Diagram)。
最后选择自变量重要性分析(IndependentVariableImportAnalysis)选项栏。
然后,单击确定(OK)按钮进行分析。
多层感知器实例分析,图5,多层感知器实例分析,结果,多层感知器实例分析,多层感知器实例分析,多层感知器实例分析,多层感知器实例分析,多层感知器实例分析,谢谢观看!
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- SPSS 神经网络
![提示](https://static.bdocx.com/images/bang_tan.gif)