SPSS神经网络的变量与办法设置图文解析详细图文详细教程
SPSS由IBM公司出品，它提供了包括描述性统计、推断性统计、因子分析、聚类分析、回归分析等多种统计分析功能，并包括文本分析、机器学习算法、数据分析模型等。SPSS的界面友好，易于操作，能够快速从数据中提取有用的洞察和分析，广泛应用于教育、心理、医学、市场、人口、保险等多个研究领域，也用于产品质量控制、人事档案管理和日常统计报表等。
神经网络是基于模仿生物大脑结构及功能的信息处理系统，可通过各种算法从数据中学习如何完成任务，在模式识别、人工智能、预测、医学等领域拥有广阔的发展前景。
在本文中，会通过神经网络中的经典例子鸢尾花，讲解如何利用IBM SPSS Statistics实现神经网络的数据处理和模型训练，从而得到相应的神经网络模型。
一、数据的标准化处理
在实际场景中应用神经网络方法时，通常需要对数据进行标准化处理，以此消除数据之间的量纲差异，让后续的数据使用更加方便。
本文使用的是一组包含三种类型的鸢尾花数据，拥有四个指标，目的是通过四个指标对鸢尾花的类型进行预测。
图1：示例数据
首先，如图2所示，在分析菜单中打开描述功能。
图2：描述功能
如图3所示，选中“将标准化值另存为变量”，点击确定。
图3：标准化值另存为变量
最终得到标准化的数据，如图4所示。
图4：标准化数值
二、神经网络的实现
首先需要生成一个分组变量，将70%的样本数据用于训练。如图5所示，选择数据菜单中的计算变量功能，设置目标变量“分组”，使用数字表达式对变量分组。
图5：变量分组
如图6，在分析菜单中选中神经网络，打开多层感知器功能。
图6：多层感知器功能
接下来在功能面板中设置各项参数，如图7所示，在变量分区中设置因变量和因子。
图7：设置参数
点击分区，如图8所示，选择已生成的分组变量。
图8：分区变量选择
再点击输出，选择图9中被选中的选项。
图9：输出选项
最后点击保存，如图10所示，选择图中的两个选项，然后点击确定。最终可得到这组数据的神经网络模型及训练结果。
图10：保存
世界上许多有影响的报刊杂志就SPSS给予了高度的评价。