网站首页/硬件软件列表/内容

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

硬件软件2024-05-04阅读
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。

示例数据 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。

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。

标准化值另存为变量

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。

标准化数值 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。

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。

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。

设置参数

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。

分区变量选择

图8:分区变量选择

再点击输出,选择图9中被选中的选项。

输出选项

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。

保存

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。
相关阅读