IBM SPSS Neural Networks suteikia naujas netiesinio modeliavimo galimybes, leidžiančias atrasti sudėtingus sąryšius duomenyse. Šios galimybės leidžia kurti tikslesnius modelius ir naudojantis jais priimti geresnius sprendimus.
IBM SPSS Neural Networks procedūros papildo standartines analizės galimybes esančias IBM SPSS Statistics Base. Naudojantis neuroninių tinklų modeliais galima atrasti sudėtingus sąryšius duomenyse ir patikrinti šių sąryšių reikšmingumą naudojantis įprastomis statistinėmis procedūromis.
Neuroniniai tinklai – tai netiesinis duomenų gavybos įrankis, kurį sudaro įvesties, išvesties ir keli paslėpti sluoksniai. Neuroniniame tinkle ryšiams tarp neuronų yra suteikti svoriai susieti su jais. Šie svoriai yra taisomi iteraciniu būdu siekiant sumažinti paklaidas ir pateikti tikslias prognozes.
MLP procedūroje, įvesties ir išvesties sluoksniai yra jungiami su mazgais viename ar keliuose paslėptuose sluoksniuose
IBM SPSS Neural Networks ir kitų statistinių procedūrų junginiai gali būti naudojami daugybėje skirtingų sričių:
IBM SPSS Neural Networks modulis suteikia visiškai naujas galimybes papildančias IBM SPSS Statistics Base. Iš pažystamos IBM SPSS Statistics vartotojo sąsajos Jūs galite “išgauti” paslėptus sąryšius tarp duomenų naudodami MLP (Multilayer Perceptron) ir RBF (Radial Basis Function) procedūras.
Abi šios procedūros – tai besimokantys su vartotojo pagalba algoritmai pažymintis sąryšius, kuriuos pateikia duomenys. Šios procedūros naudoja vienakrypčius metodus – duomenys juda tik viena kryptimi, nuo įvesties mazgo per paslėptus sluoksnius į išvesties mazgą.
Procedūros pasirinkimas priklausys nuo turimų duomenų ir to kokio sudėtingumo sąryšių ieškote. MLP procedūra gali atrasti sudėtingesnius ryšius, o RBF yra žymiai greitesnė.
Bet kuri procedūra mokosi iš modelio apmokymui paskirtos duomenų dalies ir pritaiko gautas žinias visam duomenų rinkiniui ir naujiems duomenims.
Pasirinkę norimą procedūrą nustatykite priklausomus kintamuosius, kurie gali būti vardinės, eilės skalės ar abiejų šių skalių. Vėliau procedūra pritaikoma pasirenkant kaip suskirstyti duomenis, kokios architektūros pageidaujate ir kokius resursus paskirsite analizei.
Galiausiai pasirinkite kaip norite matyti rezultatus – lentelėse ar grafikuose, išsaugokite pasirinktus laikinus kintamuosius aktyviame duomenų rinkinyje ir eksportuokite rezultatus XML formatu.
Taip pat, kaip naudodamiesi IBM SPSS Statistics Base iš dialoginio meniu pasirinkite norimus į modelį įtraukti kintamuosius.
IBM SPSS Neural Networks rezultatai gali būti pateikiami įvairiais grafikais. Ši paprasta stulpelių diagrama yra vienas iš galimų grafikų rezultatams pateikti.
