SPSS教程之神经网络的变量与方法设置

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

三、小结

本文中，介绍了神经网络在分类领域的应用，并讲解了如何使用SPSS实现神经网络模型的训练及应用。想要学习更多关于SPSS的使用技巧，可访问城东书院网站。