IBM SPSS Neural Networks menggunakan pemodelan data nonlinier untuk menemukan hubungan yang kompleks dan mendapatkan nilai yang lebih besar dari data Anda. Manfaatkan prosedur multilayer perceptron (MLP) atau radial basis function (RBF). Anda dapat mengatur kondisinya, yaitu mengontrol aturan penghentian pelatihan dan arsitektur jaringan, atau membiarkan prosedur yang memilih. Pengaruhi pembobotan variabel dan tentukan detail arsitektur jaringan. Pilih jenis pelatihan model dan bagikan hasilnya menggunakan grafik dan bagan.
Modul ini disertakan dalam SPSS edisi premium untuk on-premise dan dalam add-on perkiraan dan pohon keputusan untuk paket berlangganan.
Jadwalkan waktu untuk membahas bagaimana SPSS Neural Networks dapat mendukung kebutuhan bisnis Anda.
Pilih multilayer perceptron (MLP) atau fungsi basis radial (RBF). Keduanya menggunakan arsitektur feedforward - data hanya bergerak dari node input melalui lapisan tersembunyi ke node output.
Menampilkan informasi tentang jaringan syaraf secara visual, termasuk variabel dependen, jumlah unit input dan output, jumlah lapisan tersembunyi dan unit, serta fungsi aktivasi.
Pilih untuk menampilkan hasil dalam tabel atau grafik. Simpan variabel sementara opsional ke kumpulan data aktif. Ekspor model dalam format file XML untuk menilai data di masa mendatang.
Tentukan variabel dependen, yang dapat berupa skala, kategorikal, atau kombinasi keduanya. Sesuaikan setiap prosedur dengan memilih cara mempartisi set data, arsitektur yang digunakan, dan sumber daya komputasi apa yang akan digunakan untuk analisis.
Konfirmasikan hasil jaringan saraf dengan teknik statistik tradisional. Dapatkan wawasan yang lebih jelas di sejumlah bidang, termasuk riset pasar, pemasaran basis data, analisiss keuangan, analisis operasional, dan perawatan kesehatan.