IBM® SPSS® Neural Networks nutzt die nicht lineare Datenmodellierung, um komplexe Zusammenhänge zu ermitteln und einen höheren Wert aus Ihren Daten zu ziehen. Nutzen Sie die Vorteile von Mehrschicht-Perzeptron oder radialen Basisfunktionen. Sie können die Bedingungen entweder selbst festlegen – d. h. Stoppregeln für die Trainingsunterbrechung einstellen und die Netzwerkarchitektur kontrollieren – oder diese Auswahl dem Verfahren überlassen. Bestimmen Sie die Gewichtung der Variablen und legen Sie Details der Netzarchitektur fest. Wählen Sie die Art des Modelltrainings und teilen Sie die Ergebnisse mithilfe von Grafiken und Diagrammen.
Dieses Modul ist in der SPSS Premium-Edition für On-Premise-Versionen und im Add-on „Forecasting and Decision Trees“ für Abonnementpläne enthalten.
Sparen Sie 10 % auf ein Abonnement und Add-ons, wenn Sie sich für eine Laufzeit von 12 Monaten mit automatischer Verlängerung entscheiden
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 verwenden Feedforward-Architekturen, d. h. die Daten bewegen sich nur von den Empfangsknoten über die verborgene Schicht der Knoten zu den Sendeknoten.
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 aus beidem 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 diversen Bereichen mehr Klarheit, darunter Marktforschung, Datenbankmarketing, Finanzanalyse, operative Analyse und Gesundheitswesen.