データ内のより複雑な関係性を明らかに

IBM SPSS Neural Networks ソフトウェアでは、非線形データ・モデリング・プロシージャーを使用してデータ内のより複雑な関係性を明らかにできます。このソフトウェアでは、ユーザーがネットワークの学習条件を設定します。また、ユーザーは学習停止規則とネットワーク・アーキテクチャーを制御できますが、アーキテクチャーについてはプロシージャーで自動選択することもできます。

SPSS Neural Networks ソフトウェアを使用すると、より有効で精度の高い予測モデルを作成できます。

多層パーセプトロン・プロシージャー (MLP)

多層パーセプトロン・プロシージャーでは、因子変数の値に基づいて、1 つ以上の従属 (ターゲット) 変数の予測モデルを生成します。この例では、チャーンを予測するモデルを作成します。

Multilayer Perceptron ...

ニューラル・ネットワークのビジュアル化

従属変数、入出力単位の数、非表示の層と単位とアクティベーション機能の数なども含めて、ニューラル・ネットワークに関する情報をビジュアルに表示します。

Hidden layer activation function: Hyperbolic tangent ...

重要度グラフ

重要度グラフは、重要度表の値を降順でソートして棒グラフにしたものです。

Normalized Importance ...

分類表

分類表は、ネットワーク使用に関する実用的な結果をまとめたものです。それぞれのケースで、疑似確率が 0.5 を上回る場合は、予測応答が Yes になります。

Predicted ...

SPSS Neural Networks のスクリーン・ショット

前へ

多層パーセプトロン・プロシージャー (MLP)

多層パーセプトロン・プロシージャーでは、因子変数の値に基づいて、1 つ以上の従属 (ターゲット) 変数の予測モデルを生成します。この例では、チャーンを予測するモデルを作成します。

多層パーセプトロン・プロシージャー (MLP)

ニューラル・ネットワークのビジュアル化

従属変数、入出力単位の数、非表示の層と単位とアクティベーション機能の数なども含めて、ニューラル・ネットワークに関する情報をビジュアルに表示します。

ニューラル・ネットワークのビジュアル化

重要度グラフ

重要度グラフは、重要度表の値を降順でソートして棒グラフにしたものです。

重要度グラフ

分類表

分類表は、ネットワーク使用に関する実用的な結果をまとめたものです。それぞれのケースで、疑似確率が 0.5 を上回る場合は、予測応答が Yes になります。

分類表
次へ

データから隠れた関係性を発見

プロセスの制御

他の統計プロシージャーや手法との組み合わせ

SPSS Missing Valuesに関する参照情報

国外にお住まいの方

お問い合わせはこちら

まずはお気軽にご相談ください