利用SPSS进行神经网络分析过程及结果解读

模拟人类实际神经网络的数学方法问世以来,人们已慢慢习惯了把这种人工神经网络直接称为神经网络神经网络在系统辨识、模式识别、智能控制等领域有着广泛而吸引人的前景,特别在智能控制中,人们对神经网络的自学习功能尤其感兴趣,并且把神经网络这一重要特点看作是解决自动控制中控制器适应能力这个难题的关键钥匙之一。

本例通过几个自变量预测是否有高血压,2个分类变量,一个性别,一个吸烟;3个连续性变量。

利用SPSS进行神经网络分析过程及结果解读-图片1

  需要生成一个分组变量,用于区分训练集以及验证集。我们这个样本70%用于训练。通过计算变量,生成分组变量。

利用SPSS进行神经网络分析过程及结果解读-图片2

利用SPSS进行神经网络分析过程及结果解读-图片3

  参数设置

利用SPSS进行神经网络分析过程及结果解读-图片4

  点击分区,选择生成的分组变量:

利用SPSS进行神经网络分析过程及结果解读-图片5

  点击输出,选择如下参数:

利用SPSS进行神经网络分析过程及结果解读-图片6

  点击保存,勾选预测值和预测概率

利用SPSS进行神经网络分析过程及结果解读-图片7

  点击导出,可以保存相应模型,用于新数据的预测。

利用SPSS进行神经网络分析过程及结果解读-图片8

  结果浏览:

利用SPSS进行神经网络分析过程及结果解读-图片9

  首先是对训练集合检验集的描述

网络信息对神经网络的输入层,隐藏层以及输出层进行描述

下图为程序运行后的神经网络图,线条的粗细代表了权重的大小。

利用SPSS进行神经网络分析过程及结果解读-图片10

  模型摘要以及分类对具体的分类结果以及预测模型的分类结果进行了比较

利用SPSS进行神经网络分析过程及结果解读-图片11

  校准箱型图

利用SPSS进行神经网络分析过程及结果解读-图片12

  ROC曲线下面积评估模型好坏

利用SPSS进行神经网络分析过程及结果解读-图片13

利用SPSS进行神经网络分析过程及结果解读-图片14

  自变量对模型的重要性排行

利用SPSS进行神经网络分析过程及结果解读-图片15

发表评论

匿名网友