À propos des cookies sur ce site Pour fonctionner correctement, nos sites Internet nécessitent certains cookies (requis). En outre, d'autres cookies peuvent être utilisés avec votre consentement pour analyser l'utilisation d'un site, améliorer l'expérience des utilisateurs et à des fins publicitaires. Pour plus informations, passez en revue vos options de préférences en. En visitant notre site Web, vous acceptez que nous traitions les informations comme décrit dans ladéclaration de confidentialité d’IBM. Pour faciliter la navigation, vos préférences en matière de cookie seront partagées dans les domaines Web d'IBM énumérés ici.
Accueil
Analyses
SPSS
SPSS Statistics
Neural Networks
IBM SPSS Neural Networks
Découvrez des relations complexes et améliorez les modèles prédictifs. Testez cette fonctionnalité avec une version d’essai complète de SPSS, ou contactez-nous pour l’acheter.
Découvrez ce que SPSS Neural Networks peut faire pour votre entreprise
IBM SPSS Neural Networks utilise la modélisation de données non linéaire pour découvrir des relations complexes et tirer une plus grande valeur de vos données. Tirez parti des procédures de perceptron multicouche (MLP) ou de fonction de base radiale (RBF). Vous pouvez définir les conditions qui contrôlent les règles d’arrêt et l’architecture de réseau d’entraînement, ou laisser la procédure choisir. Influencez la pondération des variables et spécifiez les détails de l’architecture de réseau. Sélectionnez le type d’entraînement du modèle et partagez les résultats à l’aide de graphiques et de diagrammes.
Ce module est inclus dans l’édition premium SPSS pour le déploiement sur site et dans le module complémentaire Forecasting and Decision trees pour les plans d’abonnement.
Prenez rendez-vous pour discuter de la manière dont SPSS Neural Networks peut répondre aux besoins de votre entreprise.
Coup de projecteur sur les fonctionnalités
Sélectionnez le perceptron multicouche (MLP) ou la fonction de base radiale (RBF). Les deux utilisent des architectures à propagation avant : les données se déplacent uniquement des nœuds d’entrée vers les nœuds de sortie en passant par la couche masquée de nœuds.
Affichez visuellement des informations sur le réseau neuronal, y compris les variables dépendantes, le nombre d’unités d’entrée et de sortie, le nombre de couches et d’unités masquées et les fonctions d’activation.
Choisissez d’afficher les résultats dans des tables ou dans des graphiques. Enregistrez les variables temporaires facultatives dans le jeu de données actif. Exportez les modèles au format XML pour évaluer les données futures.
Spécifiez les variables dépendantes, qui peuvent être à l’échelle, catégorielles ou une combinaison des deux. Ajustez chaque procédure en choisissant comment partitionner le jeu de données, quelle architecture utiliser et quelles ressources de calcul appliquer à l’analyse.
Confirmez les résultats du réseau neuronal à l’aide de techniques statistiques traditionnelles. Obtenez des informations plus claires dans différents domaines, notamment les études de marché, le marketing de bases de données, l’analyse financière, l’analyse opérationnelle et les soins de santé.
Informations techniques
- Pour le déploiement sur site : achetez l’édition premium.
- Pour les plans d’abonnement : achetez le module complémentaire Forecasting and Decision trees.
- Processeur : 2 GHz ou supérieur
- Affichage : 1024*768 ou supérieur
- Mémoire : 4 Go de RAM requis, 8 Go de RAM ou supérieur recommandé
- Espace disque : 2 Go ou supérieur
