摩擦衬垫
神经⽹络模型是数据分析常⽤的模型，它⼴泛应⽤于众多领域，⽐如：医疗、⼈⼯智能、深度学习、语⾳、机器⼈等。它能通过现有数据经过神经⽹络模型训练得到训练模型，再将模型运⽤于预测数据集，进⽽得到预测结果，并且将预测趋势应⽤于各个领域。同样具备神经⽹络模型，直接将需要分析数据导⼊IBM SPSS Statistics，然后进⾏简单配置即可使⽤神经⽹络模型。接下来就来看下如何使⽤SPSS神经⽹络模型预测结果。 1. 数据集准备
打开SPSS软件，如果预测的数据集是事先准备好的，则直接点击左上⾓“⽂件”-“导⼊数据”；如果预测的数据集需要⾃⼰制作，则通过SPSS软件设置变量以及完成数据输⼊。这⾥为了演⽰，因此⼩编⾃⼰制作⼀个商品促销数据集。点击左下⾓“变量视图”窗⼝，并且确定变量。 高考2019
图1 变量视图
财会研究点击左下⾓“数据视图”，在该窗⼝完成数据集的输⼊，这⾥总共输⼊24条数据集。
图2 数据集输⼊少年派的奇幻漂流字幕
⼆、神经⽹络模型预测结果
点击顶部菜单栏“转换”-“计算变量”，打开计算变量窗⼝。然后我们需要设计名为incress的⽬标变量，并且将其标签设计为“促销前后消费额变化率”，最后设计该变量的数字表达式。
北大图书馆
图3 ⽬标变量
完成上述操作之后，我们可以看到数据集中增加了该变量，并且⾃动⽣成数据集。然后我们需要将该变量⾓⾊改为⽬标。
图4 ⾓⾊改变
点击SPSS软件顶部菜单栏“分析”- “神经⽹络”-“径向基函数”。打开径向基函数窗⼝，我们可以看到顶部包括变量、分区、体系结构、输出、保存、导出、选项。其中“体系结构”和“选项”默认即可，下⾯将对其他五个菜单进⾏设计。
图5 径向基函数
设计变量菜单。将incress（⽬标变量）加载到因变量选项框，将Class、Cost、Promotion、Before加载到协变量，并且协变量重新标度选择为标准差。
图6 变量菜单
设计分区菜单和输出菜单。分区⼀般默认是训练数据为70%，检验数据为30%，当然你可以⾃⼰配置⽐率。
输出⼀般把所有选项都选中，这样有利于我们观看分析结果。
文丘里管图7 分区和输出菜单
保存和导出菜单。保存需要勾选“保存每个因变量的预测或类别”，这样将会把预测值添加到数据集中。导出需要勾选“将突触权重估算值导出到XML⽂件，并且点击浏览将xml⽂件导出到本地。
图8 保存和导出菜单
完成神经⽹络径向基函数设置之后，可以看到⾃动⽣成输出⽂档，包括⽹络图、模型摘要、参数估算值、预测图、⾃变量重要性图等。
图9 ⽹络模型图
通过⾃变量重要性图可以分析出哪些因素对预测值的影响较⼤，重要性越明显则对预测值影响就越⼤，⽐如这⾥Promotion（促销费⽤）对商品促销影响最⼤。因此，通过提⾼商品促销费⽤，将能够增⼤商品促销量。
图10 ⾃变量重要性
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议