SPSS > 使用技巧 > SPSS神经网络怎么分区 SPSS神经网络如何解读

SPSS神经网络怎么分区 SPSS神经网络如何解读

发布时间:2022-08-19 13: 20: 05

品牌型号: DELL Vostro 3400

系统:Windows 10 64位家庭中文版(21H1)

软件版本:IBM SPSS Statistics(28.0.0.1)

SPSS多层感知器神经网络分析是基于模仿人类大脑结构及思维模式的信息处理系统,可通过算法从数据中学习并形成训练模型,再将模型用于分析数据以得到预测结果,因此在进行神经网络分析时会将数据分为训练区与检验区,以便于得到准确预测数据的概率,SPSS神经网络怎么分区,SPSS神经网络如何解读呢?今天一起来看看吧。

一、SPSS神经网络怎么分区

先将现有数据表格导入SPSS中,或者在SPSS安装文件夹下的“Sample”文件夹中有很多自带的数据模板,可以用这些模板数据来体验功能效果。

SPSS自带数据模板
图1:SPSS自带数据模板

点击菜单“分析”-“神经网络”-“多层感知器”进入神经网络设置面板。

神经网络多层感知器设置
图2:神经网络多层感知器设置

在变量设置板块中,将想要预测的变量置入因变量,将类型变量加入因子,将其他连续型变量加入协变量。

神经网络变量设置
图3:神经网络变量设置

在“分区”板块可以对神经网络进行分区。

设置分区数据
图4:设置分区数据

在分区设置有两种分区方式。

1、随机分区

可以根据样本数量自动分配个案,默认是训练数据占70%,检验数据占30%,而且这两者的占比可以手动调整,从样本总量中随机划分训练样本与检验样本。

2、分区变量指定样本分区

通过给样本指定分区变量来进行分配,这样就能有目的性地将一部分样本设置为训练集,另一部分设置为检验集,并进行针对性地神经网络分析。

在完成神经网络设置后开始神经网络分析,SPSS会自动生成输出文档,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。

二、SPSS神经网络如何解读

通过上面的数据可以得到一份分析报告,按照报告中数据与表格展现顺序,我们来看看神经网络分析数据的解读方法。

1、个案处理摘要

个案处理摘要
图5:个案处理摘要

这里是SPSS对数据的分区与采用摘要数据,共1500条数据,随机分配了1046条作为训练集数据,占比69.7%,剩余数据则作为检验集数据,占比30.3%,没有无效数据,所以“排除”为0。

2、网络信息

网络信息
图6:网络信息

这一部分内容分三层,显示了本次分析所设置的输入层影响因子与协变量内容,隐藏层单元数,以及输出层的内容。

3、神经网络图

神经网络图
图7:神经网络图

这一部分可以看到不同变量之间的颜色、图形各不相同,一个变量的线条颜色越深,代表其在计算分析中的权重越高;变量的板块越大,则代表其价值越高。

4、分类

分类数据
图8:分类数据

从分类数据中可以看到随机分配的训练集与检验集中样本数据的预测正确率仅有“59.3%”和“58.6%”,说明本次分析效果不是很好,正确率较低。(正确率低不代表神经网络算法不好,而是说明这份样本数据不适合用神经网络算法来进行分析)

5、自变量重要性与正态化重要性

自变量重要性
图9:自变量重要性

自变量重要性与正态化重要性的结果一致,不过一个以数值与表格形式体现,一个以柱状图形式体现。

正态化重要性
图10:正态化重要性

这两个报告数据显示,各个变量对是否违约的结果影响力大小排列是:工龄>信用卡负债>负债率>其他负债>教育>年龄>收入>地址。

三、SPSS神经网络设置技巧

在上面进行神经网络分析示例时,介绍了设置变量与分区的方法,接下来讲一讲其他选项的设置技巧。

1、输出设置

输出设置
图11:输出设置

建议在输出设置中将能勾选的项目全部勾选上,尤其时“网络结构”中的“描述”、“图”与“突触权重”,以及下面的“自变量重要性分析”,这几个还是比较重要的。

2、保存设置

保存设置
图12:保存设置

在保存设置中,可以将图中两个“因变量的预测值或类别”与“因变量的预测拟概率”选项都勾选上。

主要就是设置“变量”、“分区”、“输出”与“保存”四项,其他的选项设置可以根据自己需要再进行修改。

以上便是SPSS神经网络怎么分区,SPSS神经网络如何解读的全部内容了,大家如果想要了解更多数据分析技巧,欢迎关注IBM SPSS中文网站。

 

作者:∅

展开阅读全文

标签:IBM SPSS StatisticsSPSS教程神经网络IBM SPSS

读者也访问过这里:
SPSS Statistics
强大的数据分析平台
立即购买
微信群
官方微信群 立即加群
400-8765-888 kefu@makeding.com
热门文章
SPSS数据分析显著性差异分析步骤 SPSS显著性差异分析结果怎么看
数据的显著性差异分析主要有三种方法,分别是卡方检验、T检验和方差分析。这三种方法都有具体的数据要求:卡方检验是对多个类别的数据进行分析,T检验是对两组数据进行分析,方差分析是对多组数据进行检验。下面,小编具体说明一下SPSS数据分析显著性差异分析步骤,SPSS显著性差异分析结果怎么看。
2022-01-07
实践SPSS单因素方差分析之检验结果解读
在《实践SPSS单因素方差分析之变量与检验方法设置》一文中,我们已经详细地演示了IBM SPSS Statistics单因素方差分析方法的变量选择以及相关的选项、对比设置。
2021-01-11
spss如何做显著性分析 spss显著性差异分析怎么标abc
在统计分析中,显著性分析是分析相关因素之间是否存在显著影响关系的关键性指标,通过它可以说明分析结论是否由抽样误差引起还是实际相关的,可论证分析结果的准确性。下面大家一起来看看用spss如何做显著性分析,spss显著性差异分析怎么标abc。
2022-03-14
SPSS回归分析中的f值是什么 SPSS回归分析F值在什么范围合适
回归分析中以R表示相关性程度的高低,以F评价回归分析是否有统计学的意义,使用IBM SPSS Statistics进行回归分析,可以非常快速的完成R,F的计算,并且给出回归曲线方程,那么,SPSS回归分析中f值是什么?SPSS回归分析F值在什么范围合适,本文结合实例向大家作简单的说明。
2022-07-22
SPSS多元logistic回归分析的使用技巧
回归分析是数据处理中较为常用的一类方法,它可以找出数据变量之间的未知关系,得到较为符合变量关系的数学表达式,以帮助用户完成数据分析。
2021-04-26
SPSS相关性分析结果怎么看
相关性分析是对变量或个案之间相关度的测量,在SPSS中可以选择三种方法来进行相关性分析:双变量、偏相关和距离。
2021-04-23
最新文章
SPSS因子载荷值是哪个 SPSS因子载荷系数要大于多少
如果我们研究的问题里面有很多的影响因素,而且每个因素都好像很重要,无法剔除其中的一些元素。在这种情况下,我们常常会引入因子分析的研究方法,因子分析是一种降维的方法,可以将一些相似的元素总结为共性因子,这样我们就能将多个因素减少为少数几个因素。本文会给大家介绍SPSS因子载荷值是哪个,SPSS因子载荷系数要大于多少的相关内容,感兴趣的小伙伴不容错过。
2025-05-08
SPSS清洗数据是什么意思 SPSS清洗数据步骤
在数据统计领域,如果庞杂的数据组存在较多问题,例如组别重复、存在缺失值、数据异常等复杂情况,推荐使用SPSS清洗数据的功能来剔除异常数据,这样可以避免后续数据分析的测算失误。今天,我们以这SPSS清洗数据是什么意思,SPSS清洗数据步骤两个问题为例,带大家了解一下SPSS清洗数据的相关知识。
2025-05-08
SPSS控制变量如何处理 SPSS控制变量是自变量吗
在数据分析阶段,控制变量是对因变量有影响但非研究关注主题的变量,引入控制变量可以更准确测算自变量的影响,通过解释因变量变异的额外来源而减少实验数据的随机误差。今天,我们以SPSS控制变量如何处理,SPSS控制变量是自变量吗这两个问题为例,带大家了解一下SPSS控制变量的相关知识。
2025-05-08
SPSS编码表是什么 SPSS编码表怎么导出
作为一款经典的数据分析软件,相信很多小伙伴们对SPSS都不陌生。使用SPSS能够处理庞大、复杂的数据集,大大提高我们的工作效率。接下来我来为大家介绍SPSS编码表是什么,SPSS编码表怎么导出的相关内容。
2025-05-08
SPSS协变量是什么 SPSS协变量是控制变量吗
在数据收集阶段,当采集的数据繁杂众多,我们可以使用SPSS协变量分析来测算影响重要结果的潜在因素,减少某些变量对实验数据的干扰,由此准确识别多类变量之间的因果关系。今天,我们以SPSS协变量是什么,SPSS协变量是控制变量吗这两个问题为例,带大家了解一下SPSS协变量的相关知识。
2025-05-08
SPSS交互作用分析怎么做 SPSS交互作用分析结果怎么看
在数据统计领域,如果要对数据组多类变量的关系进行研究,我们可以使用SPSS主体间效应分析和交互作用图绘制的功能。当运用了SPSS交互作用的图片绘制和数据测算,我们能够直观清晰地看出不同变量对因变量的影响。今天,我们以SPSS交互作用分析怎么做,SPSS交互作用分析结果怎么看这两个问题为例,带大家了解一下SPSS交互作用的知识。
2025-05-08

微信公众号

欢迎加入 SPSS 产品的大家庭,立即扫码关注,获取更多软件动态和资源福利。

读者也喜欢这些内容: