神经网络算法(Nerual Net Works)是一种学习型预测算法,通过大量数据,预测新输入变量与预测结果间的路径,此路径称为神经网络,在这个网络中,每个通路的权重都是基于原有数据计算得出的,原有数据量越充足,权重配比就越合理,预测的结果就越准确,神经网络算法实现一般借助专业的统计分析软件,例如IBM SPSS Statistics,SPSS软件中如何进行神经网络分析,SPSS神经网络为什么无法选择分类,本文将结合实例向大家作简单的解释。
一、SPSS软件中如何进行神经网络分析
我们预测8组变量对最终结果的影响程度,其中,分类变量1组,连续变量7组,最终结果为分类变量,录入数据如图1所示。
首先对数据进行分组,一般将70%数据分为训练组,30%数据分为预测组,分组过程为随机化过程,点击转换,随机数生成器,勾选设置起点,固定值,点击确定,随机数生成器会应用于将来的会话。
点击转换,计算变量,定义一个新变量数据分类,表达式为RV.BERNOULLI(0.7),其含义为将变量随机分成两份,一份70%,另一份30%,点击确定。
生成的变量值为1的占据70%,值为0的占据30%。
点击分析,神经网络,多层感知器,在弹出的窗口中,打开变量标签,将预测变量加入因变量,将类型变量加入因子,将连续型变量加入协变量,如图4所示。
然后点击分区标签,点击使用分区变量分配个案,将数据分类指定为分区变量。
选择保存选项卡,勾选保存每个因变量的预测值和类别,保存每个因变量的预测拟概率。点击确定,SPSS将进行神经网络分析,分析结果我们在第三小节中介绍。
二、SPSS神经网络为什么无法选择分类
在实际操作过程中,如果变量类型定义错误,会出现无法分类的情况。下面向大家进行演示,我们在变量视图中,将数据类型全部改变为标度,如图7所示
然后我们按第一小节中的过程进行神经网络分析,将标度数据全部加入因子中。
然后我们点击输出选项卡,发现分类结果等多项结果不可选,因此我们必须重视变量类型的输入,避免此类现象发生。
以上介绍了SPSS神经网络分析的步骤和需要注意的问题,下面向大家介绍如何解读SPSS神经网络分析结果。
三、SPSS神经网络分析结果解读
图10是神经网络图,其中线段的粗细代表分配的权重大小,线段越粗,权重越高。
在图11所示的模型摘要中,训练和检验的不正确预测百分比分别为48.7%和45.0%,代表训练情况一般,实际情况数据为随机生成,相关性较差。在分类图中,我们可以推到预测错误率,错误率为1-正确百分比,在训练组中错误率为0.441,在检验组中错误率为0.402,训练程度一般,需要我们录入相关性更高数据进行训练。
SPSS神经网络分析步骤,需要注意的问题以及结果解读就向大家介绍到这里,相信大家对SPSS软件中如何进行神经网络分析,SPSS神经网络为什么无法选择分类这两个问题已经有了相关的了解,相关性越高,数据组越多正确率就会越高,希望大家在以后的使用中多多注意。