SPSS-神经网络.ppt

单击此处编辑母版标题样式,,单击此处编辑母版文本样式,,第二级,,第三级,,第四级,,第五级,,*,,,,*,SPSS—,神经网络,,,,,神经网络,,,,神经网络是一个非线性的数据建模工具集合，它包括输入层和输出层、一个或者多个隐藏层神经元之间的连接赋予相关的权重，训练算法在迭代过程中不断调整这些权重，从而使得预测误差最小化并给出预测精度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（,Random Number Generators,）’,---,弹出对话框如图,1---,选择‘设置起点（,Set Starting Point,）’,---,选中‘固定值（,Fixed Value,）’,---,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（,Compute Variable,）,’,,弹出对话框如图,2,在‘目标变量（,Target Variable,）’中填入变量名,partition,，然后在‘数学表达式（,Numeric Expression,）’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（,Neural Network,）,---,多层感知器,,（,Multilayer Perceptron,）,’,弹出对话框如图,3,,选择变量,Previously Default[default],到‘因变量（,Dependent Variables,）’,,,选择变量,Level education[ed],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（,Use Partition Variable to Assign Cases,）’，然后选中变量,partition,到‘分区变量（,Partitioning Variable,）’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（,ROC Curve,）’，‘累积增益曲线（,Cumulative Gains Chart,）’，‘增益图（,Lift Chart,）’，‘观察预测值（,Prdicted by Observed Chart,）’，去掉‘图表（,Diagram,）’最后选择‘自变量重要性分析（,Independent Variable Import Analysis,）’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！,。