IBM SPSS Neural Networks nutzt die nicht lineare Datenmodellierung, um komplexe Zusammenhänge zu ermitteln und einen höheren Wert aus Ihren Daten zu ziehen.
Dieses Modul ist in der SPSS Premium-Edition für On-Premises-Versionen und im Add-on IBM SPSS Forecasting and Decision Trees für Abonnementpläne enthalten.
Vereinbaren Sie einen Termin, um zu besprechen, wie SPSS Neural Networks Sie bei Ihren Geschäftsanforderungen unterstützen kann.
Wählen Sie Mehrschicht-Perzeptron (Multilayer Perceptron, MLP) oder radiale Basisfunktion (Radial Basis Function, RBF) aus. Beide nutzen Feedforward-Architekturen. Daten bewegen sich nur von den Eingabeknoten über die verborgene Schicht der Knoten zu den Ausgabeknoten.
Zeigen Sie Informationen über das neuronale Netz visuell an, einschließlich der abhängigen Variablen, der Anzahl der Eingabe- und Ausgabeeinheiten, der Anzahl der verborgenen Schichten und Einheiten sowie der Aktivierungsfunktionen.
Wählen Sie aus, ob die Ergebnisse in Tabellen oder Diagrammen angezeigt werden sollen. Speichern Sie optionale temporäre Variablen im aktiven Dataset. Exportieren Sie Modelle im XML-Dateiformat, um zukünftige Daten zu bewerten.
Geben Sie die abhängigen Variablen an, die skaliert, kategorisiert oder eine Kombination sein können. Passen Sie jedes Verfahren an, indem Sie wählen, wie das Dataset partitioniert werden soll, welche Architektur eingesetzt werden soll und welche Berechnungsressourcen für die Analyse verwendet werden sollen.
Bestätigen Sie die Ergebnisse neuronaler Netze mit traditionellen statistischen Verfahren. Verschaffen Sie sich in verschiedenen Bereichen mehr Klarheit, darunter Marktforschung, Datenbankmarketing, Finanzanalyse, operative Analyse und Gesundheitswesen.