RBF

RBF 可在 預測及決策樹狀結構中使用。

RBF 程序適合半徑式函數神經網路，這是具有輸入層、稱為半徑式函數層的隱藏層及輸出層的前饋監督式學習網路。 隱藏層將輸入向量轉換為徑向基底函數。 與 MLP (多層感知器) 程序類似， RBF 程序會執行預測及分類。

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'...]]

**如果省略了次指令或關鍵字，則為預設值。

此指令會讀取作用中資料集，並導致執行任何擱置指令。 如需相關資訊，請參閱主題 指令順序 。

可以從「 徑向基底函數 」對話框產生 RBF 指令的語法。

發行歷程

版本 16.0

• 已建立指令。

範例

RBF dep_var BY A B C WITH X Y Z.