神經(jīng)網(wǎng)絡是基于模仿生物大腦結構及功能的信息處理系統(tǒng)，可通過各種算法從數(shù)據(jù)中學習如何完成任務，在模式識別、人工智能、預測、醫(yī)學等領域擁有廣闊的發(fā)展前景。

在本文中，會通過神經(jīng)網(wǎng)絡中的經(jīng)典例子鳶尾花，講解如何利用IBM SPSS Statistics實現(xiàn)神經(jīng)網(wǎng)絡的數(shù)據(jù)處理和模型訓練，從而得到相應的神經(jīng)網(wǎng)絡模型。

一、數(shù)據(jù)的標準化處理

在實際場景中應用神經(jīng)網(wǎng)絡方法時，通常需要對數(shù)據(jù)進行標準化處理，以此消除數(shù)據(jù)之間的量綱差異，讓后續(xù)的數(shù)據(jù)使用更加方便。

本文使用的是一組包含三種類型的鳶尾花數(shù)據(jù)，擁有四個指標，目的是通過四個指標對鳶尾花的類型進行預測。

圖1：示例數(shù)據(jù)

首先，如圖2所示，在分析菜單中打開描述功能。

圖2：描述功能

如圖3所示，選中“將標準化值另存為變量”，點擊確定。

圖3：標準化值另存為變量

最終得到標準化的數(shù)據(jù)，如圖4所示。

圖4：標準化數(shù)值

二、神經(jīng)網(wǎng)絡的實現(xiàn)

首先需要生成一個分組變量，將70%的樣本數(shù)據(jù)用于訓練。如圖5所示，選擇數(shù)據(jù)菜單中的計算變量功能，設置目標變量“分組”，使用數(shù)字表達式對變量分組。

圖5：變量分組

如圖6，在分析菜單中選中神經(jīng)網(wǎng)絡，打開多層感知器功能。

圖6：多層感知器功能

接下來在功能面板中設置各項參數(shù)，如圖7所示，在變量分區(qū)中設置因變量和因子。

圖7：設置參數(shù)

點擊分區(qū)，如圖8所示，選擇已生成的分組變量。

圖8：分區(qū)變量選擇

再點擊輸出，選擇圖9中被選中的選項。

圖9：輸出選項

最后點擊保存，如圖10所示，選擇圖中的兩個選項，然后點擊確定。最終可得到這組數(shù)據(jù)的神經(jīng)網(wǎng)絡模型及訓練結果。

圖10：保存