品牌型号：Dell N5010

系统：Windows 10

软件版本：IBM SPSS Statistics试用版

神经网络算法(Nerual Net Works)是一种学习型预测算法，通过大量数据，预测新输入变量与预测结果间的路径，此路径称为神经网络，在这个网络中，每个通路的权重都是基于原有数据计算得出的，原有数据量越充足，权重配比就越合理，预测的结果就越准确，神经网络算法实现一般借助专业的统计分析软件，例如IBM SPSS Statistics，SPSS软件中如何进行神经网络分析，SPSS神经网络为什么无法选择分类，本文将结合实例向大家作简单的解释。

一、SPSS软件中如何进行神经网络分析

我们预测8组变量对最终结果的影响程度，其中，分类变量1组，连续变量7组，最终结果为分类变量，录入数据如图1所示。

首先对数据进行分组，一般将70%数据分为训练组，30%数据分为预测组，分组过程为随机化过程，点击转换，随机数生成器，勾选设置起点，固定值，点击确定，随机数生成器会应用于将来的会话。

点击转换，计算变量，定义一个新变量数据分类，表达式为RV.BERNOULLI(0.7)，其含义为将变量随机分成两份，一份70%，另一份30%，点击确定。

生成的变量值为1的占据70%，值为0的占据30%。

点击分析，神经网络，多层感知器，在弹出的窗口中，打开变量标签，将预测变量加入因变量，将类型变量加入因子，将连续型变量加入协变量，如图4所示。

然后点击分区标签，点击使用分区变量分配个案，将数据分类指定为分区变量。

选择保存选项卡，勾选保存每个因变量的预测值和类别，保存每个因变量的预测拟概率。点击确定，SPSS将进行神经网络分析，分析结果我们在第三小节中介绍。

二、SPSS神经网络为什么无法选择分类

在实际操作过程中，如果变量类型定义错误，会出现无法分类的情况。下面向大家进行演示，我们在变量视图中，将数据类型全部改变为标度，如图7所示

然后我们按第一小节中的过程进行神经网络分析，将标度数据全部加入因子中。

然后我们点击输出选项卡，发现分类结果等多项结果不可选，因此我们必须重视变量类型的输入，避免此类现象发生。

以上介绍了SPSS神经网络分析的步骤和需要注意的问题，下面向大家介绍如何解读SPSS神经网络分析结果。

三、SPSS神经网络分析结果解读

图10是神经网络图，其中线段的粗细代表分配的权重大小，线段越粗，权重越高。

在图11所示的模型摘要中，训练和检验的不正确预测百分比分别为48.7%和45.0%，代表训练情况一般，实际情况数据为随机生成，相关性较差。在分类图中，我们可以推到预测错误率，错误率为1-正确百分比，在训练组中错误率为0.441，在检验组中错误率为0.402，训练程度一般，需要我们录入相关性更高数据进行训练。

SPSS神经网络分析步骤，需要注意的问题以及结果解读就向大家介绍到这里，相信大家对SPSS软件中如何进行神经网络分析，SPSS神经网络为什么无法选择分类这两个问题已经有了相关的了解，相关性越高，数据组越多正确率就会越高，希望大家在以后的使用中多多注意。

作者：莱阳黎曼