IBM SPSS Statistics 中文网站 > 使用技巧 > 使用SPSS神经网络模型预测结果

使用SPSS神经网络模型预测结果

发布时间:2021-11-08 11: 39: 36

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。IBM SPSS Statistics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。

图1 变量视图
图1 变量视图

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
图2 数据集输入

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。

图3 目标变量
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
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
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
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。

 

图7 分区和输出菜单
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
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
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
图10 自变量重要性

完成神经网络中的径向基函数之后,我们可以看到数据中增加了一列预测值的数据。通过该预测值,我们能够清楚哪些商品促销比较明显。

图11 预测数据
图11 预测数据

三、小结

上面通过使用SPSS软件从数据集的制作,并将该数据集通过神经网络模型预测得到预测结果,通过该预测值,我们能够提前了解那种因素对促销量影响较大,进而能够提高我们商品的销售量。相信这篇教程的讲解,你能够快速使用SPSS软件的神经网络模型应用各个领域。

作者:独行侠

展开阅读全文

标签:spss神经网络

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
spss多元线性回归分析操作步骤,spss多元线性回归分析结果解读
spss多元线性回归分析操作步骤,本文会以客流量、销售量与销售额的线性关系演示spss的多元线性回归分析操作步骤,并进行spss多元线性回归分析结果解读。
2022-05-07
spss怎么做逐步回归分析 逐步回归分析spss结果解读
spss怎么做逐步回归分析?逐步回归分析是多元线性回归分析的一种,可通过spss回归分析中的“步进”法来做逐步回归分析。本文会运用例子演示逐步回归分析步骤,并进行逐步回归分析spss结果解读。
2022-05-12
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
最新文章
spss赋值后为什么显示不出来 spss赋值后为什么空白不显示
在现代数据分析中,SPSS(统计产品与服务解决方案)被广泛应用于社会科学、市场研究和健康科学等领域。尽管其功能强大,但在实际操作中,用户可能会遇到一些问题,例如赋值后数据不显示或空白。本文将探讨这些问题,并提供解决方案。
2024-06-14
spss异常值设置在哪里操作 spss异常值筛选后如何处理
在数据分析过程中,异常值是一个常见的问题,它可能会对分析结果产生影响。因此,正确处理异常值是非常重要的。本文将探讨SPSS如何处理异常值的方法。关于SPSS异常值设置在哪里操作,SPSS异常值筛选后如何处理的内容,本文向大家作简单介绍。
2024-05-22
spss去除无效数据方法 spss去除极端值方法
统计学是一门旨在收集、分析和解释数据的学科。在统计学中,数据的准确性和有效性至关重要。然而,有时候我们会遇到无效数据,这些数据可能是错误的、缺失的或者不完整的,它们会对统计结果产生严重的影响。使用SPSS对数据进行统计时,也常常会面对这些问题,关于SPSS去除无效数据方法,SPSS去除极端值方法的内容,本文向大家作简单介绍。
2024-05-08
spss异常值处理办法 spss异常值检验步骤
SPSS异常值检查是数据分析中一个非常重要的步骤。异常值指的是数据集中与其他观测值明显不同的数值。这些异常值可能会对统计分析结果产生影响,使用SPSS进行统计分析前,要对数据进行简单分析,例如查看有无缺失值,进行异常值检验等。有关SPSS异常值处理办法,SPSS异常值检验步骤的内容,本文向大家作简单介绍。
2024-04-24
spss筛选变量不能共线 spss筛选出没有缺失值的样本方法
SPSS是一种强大的统计分析软件,广泛应用于各种研究领域。在进行数据分析时,研究人员经常会遇到共线性问题。共线性是指自变量之间存在高度相关性的情况,这可能会导致模型不稳定、参数估计不准确甚至无法得出有效的结论。因此,共线性诊断和筛选变量在SPSS中变得尤为重要。有关SPSS筛选变量不能共线,SPSS筛选出没有缺失值的样本方法的内容,本文向大家作简单介绍。
2024-04-17
spss筛选功能在什么地方 spss筛选怎么做
SPSS软件是一款被广泛应用于数据分析和统计学习领域的工具。在数据处理过程中,筛选是一个非常重要的步骤,它可以帮助用户快速地找到所需的数据并进行进一步的分析。SPSS软件提供了强大的筛选功能,使用户能够轻松地筛选出符合特定条件的数据,从而提高数据处理的效率和准确性。SPSS筛选功能在什么地方,SPSS筛选怎么做,本文向大家作简单介绍。
2024-04-10

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: