Uji Neural Networks dengan uji coba SPSS fitur lengkap atau hubungi kami untuk membeli
IBM SPSS Neural Networks menggunakan pemodelan data nonlinier untuk menemukan hubungan yang kompleks dan mendapatkan nilai yang lebih besar dari data Anda.
- Manfaatkan prosedur perseptron berlapis-lapis (MLP) atau fungsi basis radial (RBF). Anda dapat mengatur kondisi—mengontrol aturan penghentian pelatihan dan arsitektur jaringan—atau membiarkan prosedur yang memilih.
- Memengaruhi bobot variabel dan menentukan detail arsitektur jaringan.
- Pilih jenis pelatihan model dan bagikan hasilnya menggunakan grafik dan bagan.
Modul ini disertakan dalam edisi SPSS Premium untuk lokal dan di add-on IBM SPSS Forecasting and Decision Trees untuk paket berlangganan.
Jadwalkan waktu untuk membahas bagaimana SPSS Neural Networks dapat mendukung kebutuhan bisnis Anda.
Pilih perseptron berlapis-lapis (MLP) atau fungsi basis radial (RBF). Keduanya menggunakan arsitektur feedforward. Data hanya pindah dari node input melalui node tersembunyi ke node output.
Menampilkan informasi tentang jaringan syaraf secara visual, termasuk variabel dependen, jumlah unit input dan output, jumlah lapisan tersembunyi dan unit, serta fungsi aktivasi.
Pilih untuk menampilkan hasil dalam tabel atau grafik. Simpan variabel sementara opsional ke kumpulan data aktif. Ekspor model dalam format file XML untuk menilai data di masa mendatang.
Tentukan variabel dependen, yang mungkin skala, kategoris atau kombinasi. Sesuaikan setiap prosedur dengan memilih cara mempartisi kumpulan data, arsitektur yang digunakan, dan sumber daya komputasi apa yang akan digunakan untuk analisis.
Konfirmasikan hasil jaringan saraf dengan teknik statistik tradisional. Dapatkan insight yang lebih jelas di beberapa bidang, termasuk riset pasar, pemasaran basis data, analisis keuangan, analisis operasional, dan perawatan kesehatan.
- Untuk on premises: beli edisi Premium.
- Untuk paket langganan: beli add-on Forecasting dan Decision Trees.
- Prosesor: 2 GHz atau lebih cepat
- Tampilan: 1024*768 atau lebih tinggi
- Memori: Diperlukan RAM 4 GB, disarankan RAM 8 GB atau lebih
- Ruang Disk: 2 GB atau lebih