神经网络模型起源于对人类大脑思维模式的研究，它是一个非线性的数据建模工具， 由输入层和输出层、 一个或者多个隐藏层构成神经元，神经元之间的连接赋予相关的权重， 训练学习算法在迭代过程中不断调整这些权重，从而使得预测误差最小化并给出预测精度。
在SPSS神经网络中，包括多层感知器（MLP）和径向基函数（RBF）两种方法。
本期主要学习多层感知器神经网络，要把它讲清楚是比较困难的，为了能直观感受它的功能，首先以一个案例开始，最后再总结知识。
多层感知器神经网络 总结
一种前馈式有监督的学习技术；多层感知器可以发现极为复杂的关系；如果因变量是分类型，神经网络会根据输入数据，将记录划分为最适合的类别；如果因变量是连续型，神将网络预测的连续值是输入数据的某个连续函数；建议创建训练-检验-支持三个分区，网络训练学习将更有效；可将模型导出成 XML 格式对新的数据进行打分；
| 留言与评论（共有 0 条评论） |
