Die Vorteile für Ihr Unternehmen

In IBM SPSS Neural Networks wird nicht lineare Datenmodellierung verwendet, um komplexe Beziehungen aufzudecken und Ihre Daten optimal zu nutzen. Nutzen Sie die gewohnte IBM SPSS Statistics-Benutzeroberfläche und profitieren Sie von Verfahren für Mehrschicht-Perzeptron (MLP) oder radiale Basisfunktion (RBF). Sie bestimmen: Steuern Sie die Stoppregeln und die Netzarchitektur des Trainings oder lassen Sie das Verfahren auswählen. Sie müssen dabei nicht programmieren. Beeinflussen Sie die Gewichtung von Variablen. Geben Sie Details zur Netzarchitektur an. Wählen Sie den Modelltyp für das Training aus. Zeigen Sie anderen die Ergebnisse anhand von Graphen und Diagrammen.

Aufdecken von Beziehungen

Entscheiden Sie sich für MLP, um mehr Beziehungen zu erkennen, oder für RBF, um eine höhere Geschwindigkeit zu erzielen. Beide basieren auf einem Set aus Trainingsdaten. Das entsprechende Wissen wird anschließend auf das gesamte Dataset und auf sämtliche neue Daten angewendet.

Steuerung des Prozesses

Geben Sie abhängige Variablen an: metrisch, kategorisch oder eine Kombination. Nehmen Sie Anpassungen vor, indem Sie die Partitionierung des Dataset, die zu verwendende Architektur und die geeigneten Rechenressourcen festlegen.

Bessere Erkenntnisse

Nutzen Sie eine Kombination mit anderen statistischen Prozeduren oder Verfahren und bestätigen Sie Ergebnisse mithilfe von IBM SPSS Statistics Base anhand konventioneller statistischer Verfahren..

Wichtige Leistungsmerkmale

  • Nicht lineare Verfahren
  • Netzvisualisierung
  • Graphische Darstellung
  • Steuerung des Prozesses
  • Kombination mit anderen Verfahren

Produktbilder

Nicht lineare Verfahren
Nicht lineare Verfahren
Netzvisualisierung
Netzvisualisierung
Graphische Darstellung
Graphische Darstellung

Funktionsweise sehen

Jetzt kaufen und loslegen