RBF
RBF ist in Forecasting and Decision Treesverfügbar.
Die Prozedur RBF passt zu einem neuronalen Netz für radiale Basisfunktionen, bei dem es sich um ein Feedforward-Netz für überwachtes Lernen mit einer Eingabeschicht, einer verborgenen Schicht, die als radiale Basisfunktionsschicht bezeichnet wird, und einer Ausgabeschicht handelt. Die verborgene Schicht transformiert die Eingabevektoren in radiale Basisfunktionen. Wie die Prozedur MLP (mehrschichtiges Perzeptron) führt die Prozedur RBF die Vorhersage und Klassifizierung durch.
RBF dependent variable [(MLEVEL = {S})] [dependent variable...]
{O}
{N}
[BY factor list] [WITH covariate list]
[/EXCEPT VARIABLES = varlist]
[/RESCALE [COVARIATE = {STANDARDIZED**}] [DEPENDENT = {STANDARDIZED**}]]
{NORMALIZED } {NORMALIZED }
{ADJNORMALIZED } {ADJNORMALIZED }
{NONE } {NONE }
[/PARTITION {TRAINING = {70** } TESTING = {30** } HOLDOUT = {0** }}]
{number} {number} {number}
{VARIABLE = varname }
[/ARCHITECTURE [{[MINUNITS = {AUTO** } MAXUNITS = {AUTO** }]}]
{integer} {integer}
{NUMUNITS = integer }
[HIDDENFUNCTION = {NRBF**}]]
{ORBF }
[/CRITERIA OVERLAP = {AUTO**}]
{number}
[/MISSING USERMISSING = {EXCLUDE**}]
{INCLUDE }
[/PRINT [CPS**] [NETWORKINFO**] [SUMMARY**] [CLASSIFICATION**]
[SOLUTION] [IMPORTANCE] [NONE]]
[/PLOT [NETWORK**] [PREDICTED] [RESIDUAL] [ROC]
[GAIN] [LIFT] [NONE]]
[/SAVE [PREDVAL[(varname [varname...])]]
[PSEUDOPROB[(rootname[:{25 }] [rootname...])]]]
{integer}
[/OUTFILE MODEL = 'file' ['file'...]]
** Standard, wenn der Unterbefehl oder das Schlüsselwort übergangen wird
Dieser Befehl liest das aktive Dataset und bewirkt die Ausführung aller anstehenden Befehle. Weitere Informationen finden Sie im Thema Befehlsreihenfolge .
Syntax für den Befehl RBF kann im Dialogfeld Radiale Basisfunktion generiert werden.
Releaseverlauf
Freigabe 16.0
- Befehl eingeführt.
Beispiel
RBF dep_var BY A B C WITH X Y Z.