SPSS—神經(jīng)網(wǎng)絡(luò)PPT

SPSS神經(jīng)網(wǎng)絡(luò),1,2,神經(jīng)網(wǎng)絡(luò),神經(jīng)網(wǎng)絡(luò)是一個(gè)非線性的數(shù)據(jù)建模工具集合，它包括輸入層和輸出層、一個(gè)或者多個(gè)隱藏層。神經(jīng)元之間的連接賦予相關(guān)的權(quán)重，訓(xùn)練算法在迭代過(guò)程中不斷調(diào)整這些權(quán)重，從而使得預(yù)測(cè)誤差最小化并給出預(yù)測(cè)精度。您可以設(shè)置網(wǎng)絡(luò)的訓(xùn)練條件，從而控制訓(xùn)練的停止條件以及網(wǎng)絡(luò)結(jié)構(gòu)，或者讓算法自動(dòng)選擇最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)。,2,2020/4/26,神經(jīng)網(wǎng)絡(luò),在許多領(lǐng)域，都可以將SPSS神經(jīng)網(wǎng)絡(luò)和其他的統(tǒng)計(jì)分析過(guò)程結(jié)合起來(lái)，獲得更深入、清晰的洞察力。例如，在市場(chǎng)研究領(lǐng)域，可以建立客戶檔案發(fā)現(xiàn)客戶的偏好；在數(shù)據(jù)庫(kù)營(yíng)銷領(lǐng)域，可以進(jìn)行客戶細(xì)分，優(yōu)化市場(chǎng)活動(dòng)的響應(yīng)。在金融分析方面，可以使用SPSS神經(jīng)網(wǎng)絡(luò)分析申請(qǐng)人的信用狀況，探測(cè)可能的欺詐。在運(yùn)營(yíng)分析方面，也可以使用這個(gè)新工具管理現(xiàn)金流、優(yōu)化供應(yīng)鏈。此外，在科學(xué)和醫(yī)療方面的應(yīng)用包括預(yù)測(cè)醫(yī)療費(fèi)用、醫(yī)療結(jié)果分析、預(yù)測(cè)住院時(shí)間等。,3,2020/4/26,神經(jīng)網(wǎng)絡(luò),SPSS神經(jīng)網(wǎng)絡(luò)，包括多層感知器（MLP）或者徑向基函數(shù)（RBF）兩種方法。這兩種方法都是有監(jiān)督的學(xué)習(xí)技術(shù)也就是說(shuō)，他們根據(jù)輸入的數(shù)據(jù)映射出關(guān)系。這兩種方法都采用前饋結(jié)構(gòu)，意思是數(shù)據(jù)從一個(gè)方向進(jìn)入，通過(guò)輸入節(jié)點(diǎn)、隱藏層最后進(jìn)入輸出節(jié)點(diǎn)。你對(duì)過(guò)程的選擇受到輸入數(shù)據(jù)的類型和網(wǎng)絡(luò)的復(fù)雜程度的影響。此外，多層感知器可以發(fā)現(xiàn)更復(fù)雜的關(guān)系，徑向基函數(shù)的速度更快。MLP可以發(fā)現(xiàn)更復(fù)雜的關(guān)系，而通常來(lái)說(shuō)RBF更快。,4,2020/4/26,神經(jīng)網(wǎng)絡(luò),使用這兩種方法的任何一種，您可以將數(shù)據(jù)拆分成訓(xùn)練集、測(cè)試集、驗(yàn)證集。訓(xùn)練集用來(lái)估計(jì)網(wǎng)絡(luò)參數(shù)。測(cè)試集用來(lái)防止過(guò)度訓(xùn)練。驗(yàn)證樣本用來(lái)單獨(dú)評(píng)估最終的網(wǎng)絡(luò)，它將應(yīng)用于整個(gè)數(shù)據(jù)集和新數(shù)據(jù)。,5,2020/4/26,多層感知器實(shí)例分析,首先產(chǎn)生隨機(jī)數(shù)來(lái)選擇樣本數(shù)據(jù)集，選菜單轉(zhuǎn)換（Transform）-隨機(jī)數(shù)生成器（RandomNumberGenerators）-彈出對(duì)話框如圖1-選擇設(shè)置起點(diǎn)（SetStartingPoint）-選中固定值（FixedValue）-填入9191972，然后單擊確定（OK）。,6,2020/4/26,多層感知器實(shí)例分析,圖1,7,2020/4/26,多層感知器實(shí)例分析,菜單轉(zhuǎn)換（Transform）-計(jì)算變量（ComputeVariable）,彈出對(duì)話框如圖2在目標(biāo)變量（TargetVariable）中填入變量名partition，然后在數(shù)學(xué)表達(dá)式（NumericExpression）填入計(jì)算表達(dá)式2*RV.BERNOULLI(0.7)-1，此公式用于產(chǎn)生bernoulli分布數(shù)據(jù)，數(shù)據(jù)集名稱為partition設(shè)置完成后單擊確定（OK）,8,2020/4/26,多層感知器實(shí)例分析,圖2,9,2020/4/26,多層感知器實(shí)例分析,生成隨機(jī)數(shù)后，選菜單分析（Analyze）-神經(jīng)網(wǎng)絡(luò)（NeuralNetwork）-多層感知器（MultilayerPerceptron）彈出對(duì)話框如圖3選擇變量PreviouslyDefaultdefault到因變量（DependentVariables）,選擇變量Leveleducationed到因子（Factors）。選擇變量age，employ，address，income，debtinc，creddebt，othdebt到協(xié)變量（Covariates）.,10,2020/4/26,多層感知器實(shí)例分析,圖3,11,2020/4/26,多層感知器實(shí)例分析,選擇分區(qū)（Partition）彈出對(duì)話框如圖4，選中使用分區(qū)變量分配個(gè)案（UsePartitionVariabletoAssignCases），然后選中變量partition到分區(qū)變量（PartitioningVariable）中。,12,2020/4/26,多層感知器實(shí)例分析,圖4,13,2020/4/26,多層感知器實(shí)例分析,單擊輸出（Output）標(biāo)簽，彈出如圖5選擇ROC曲線（ROCCurve），累積增益曲線（CumulativeGainsChart），增益圖（LiftChart），觀察預(yù)測(cè)值（PrdictedbyObservedChart），去掉圖表（Diagram）。最后選擇自變量重要性分析（IndependentVariableImportAnalysis）選項(xiàng)欄。然后，單擊確定（OK）按鈕進(jìn)行分析。,14,2020/4/26,多層感知器實(shí)例分析,圖5,15,2020/4/26,多層感知器實(shí)例分析,結(jié)果,16,2020/4/26,多層感知器實(shí)例分析,17,2020/4/26,多層感知器實(shí)例分析,1