神经网络(neuralnetwork)是一种模拟脑神经思维方式的数据模型,神经网络有多种,包括BP神经网络、卷积神经网络,多层感知器MLP等,最为经典为神经网络为多层感知器MLP(Multi-LayerPerception),SPSSAU默认使用该模型。 类似其它的机器学习模型(比如决策树、随机森林、支向量机SVM等),神经网络模型构建时首先将数据分为训练集和测试集,训练集用于训练模型,测试集用于测试模型的优劣,并且神经网络模型可用于特征重要性识别、数据预测使用,也或者训练好模型用于部署工程使用等。
神经网络原理如下:
原理上,首先输入特征项X,即放入的自变量项,神经网络模型时,可将特征项X构建出‘伪特征’,比如输入的是性别、年龄、身高、体重等,其结合‘活函数’构建出一些‘伪特征项’(即事实不存在,完全由模型构建的特征项,并且是无法解释的特征项),具体构建上,比如为线性活函数时可直观理解为类似“y=1+2*x1+3*x2+4*x3+…”这样的函数)。 并且构建‘伪特征项’可有多个层次(即‘隐层神经元’可以有多层,默认是1层),并且每个层次可以有多个神经元(默认是100)。 最终由数学优化算法计算,得到输出,即预测项。
可以使用SPSSAU进行作:
上一篇:神经网络模型用什么软件做
下一篇:ppt画神经网络模型图