IBM SPSS Neural Networks

Wählen Sie Mehrschicht-Perzeptron (MLP) oder radiale Basisfunktion (RBF) aus. Beide verwenden Feedforward-Architekturen - Daten werden nur von den Eingabeknoten über die verborgene Knotenschicht zu den Ausgabeknoten verschoben.

Informationen zum neuronalen Netz werden visuell dargestellt, einschließlich abhängiger Variablen, der Anzahl von Eingabe- und Ausgabeeinheiten, der Anzahl verborgener Schichten und Einheiten sowie Aktivierungsfunktionen.

Sie können wählen, ob die Ergebnisse in Tabellen oder Graphen angezeigt werden sollen. Speichern Sie optionale temporäre Variablen im aktiven Datensatz. Exportieren Sie Modelle im XML-Dateiformat zur Bewertung zukünftiger Daten.

Geben Sie die abhängigen Variablen an, z. B. metrisch, kategorisch oder eine Kombination von beiden. Nehmen Sie Anpassungen an jedem Verfahren vor, indem Sie die Partitionierung des Dataset, die zu verwendende Architektur und die geeigneten Rechenressourcen für die Analyse festlegen.

Bestätigen Sie die Ergebnisse aus dem neuronalen Netz mithilfe traditioneller statistischer Verfahren. Profitieren Sie in verschiedenen Bereichen von eindeutigeren Erkenntnissen, z. B. Marktforschung, Datenbankmarketing, Finanzanalysen, Betriebsanalysen und Gesundheitswesen.