神經(jīng)網(wǎng)絡(luò)是基于模仿生物大腦結(jié)構(gòu)及功能的信息處理系統(tǒng)，可通過(guò)各種算法從數(shù)據(jù)中學(xué)習(xí)如何完成任務(wù)，在模式識(shí)別、人工智能、預(yù)測(cè)、醫(yī)學(xué)等領(lǐng)域擁有廣闊的發(fā)展前景。

在本文中，會(huì)通過(guò)神經(jīng)網(wǎng)絡(luò)中的經(jīng)典例子鳶尾花，講解如何利用IBM SPSS Statistics實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)處理和模型訓(xùn)練，從而得到相應(yīng)的神經(jīng)網(wǎng)絡(luò)模型。

一、數(shù)據(jù)的標(biāo)準(zhǔn)化處理

在實(shí)際場(chǎng)景中應(yīng)用神經(jīng)網(wǎng)絡(luò)方法時(shí)，通常需要對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，以此消除數(shù)據(jù)之間的量綱差異，讓后續(xù)的數(shù)據(jù)使用更加方便。

本文使用的是一組包含三種類型的鳶尾花數(shù)據(jù)，擁有四個(gè)指標(biāo)，目的是通過(guò)四個(gè)指標(biāo)對(duì)鳶尾花的類型進(jìn)行預(yù)測(cè)。

圖1：示例數(shù)據(jù)

首先，如圖2所示，在分析菜單中打開描述功能。

圖2：描述功能

如圖3所示，選中“將標(biāo)準(zhǔn)化值另存為變量”，點(diǎn)擊確定。

圖3：標(biāo)準(zhǔn)化值另存為變量

最終得到標(biāo)準(zhǔn)化的數(shù)據(jù)，如圖4所示。

圖4：標(biāo)準(zhǔn)化數(shù)值

二、神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)

首先需要生成一個(gè)分組變量，將70%的樣本數(shù)據(jù)用于訓(xùn)練。如圖5所示，選擇數(shù)據(jù)菜單中的計(jì)算變量功能，設(shè)置目標(biāo)變量“分組”，使用數(shù)字表達(dá)式對(duì)變量分組。

圖5：變量分組

如圖6，在分析菜單中選中神經(jīng)網(wǎng)絡(luò)，打開多層感知器功能。

圖6：多層感知器功能

接下來(lái)在功能面板中設(shè)置各項(xiàng)參數(shù)，如圖7所示，在變量分區(qū)中設(shè)置因變量和因子。

圖7：設(shè)置參數(shù)

點(diǎn)擊分區(qū)，如圖8所示，選擇已生成的分組變量。

圖8：分區(qū)變量選擇

再點(diǎn)擊輸出，選擇圖9中被選中的選項(xiàng)。

圖9：輸出選項(xiàng)

最后點(diǎn)擊保存，如圖10所示，選擇圖中的兩個(gè)選項(xiàng)，然后點(diǎn)擊確定。最終可得到這組數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)模型及訓(xùn)練結(jié)果。

圖10：保存