您当前的位置:首页 > 计算机 > 软件应用 > 数学运算

SPSS实现多层感知器神经网络

时间:02-01来源:作者:点击数:

在上文《用SPSS的评分向导功能快速得出模型预测结果》中我们说到,评分向导功能可通过导入的模型快速预测模型结果,而这一功能的使用模型较常使用神经网络模型。

神经网络模型也是近些年大火的人工智能行业基础算法,SPSS软件中支持训练出多层感知器神经网络模型,今天我们一起来看看它是如何通过该专业统计分析软件训练出来的。

一、多层感知器总体介绍

我们准备好训练集数据后,点击【分析】菜单中的【神经网络】,选择第一项【多层感知器】,开始训练神经网络模型。


图1:多层感知器

多层感知器分为8个选项菜单,“变量”和“分区”菜单是训练前的数据准备;“体系结构”菜单用于定义模型的各项参数和优化方法;“训练”菜单用于调整模型的训练参数,如训练批次;“输出”、“保存”和“导出”菜单用于设置模型输出和保存的内容;“选项”菜单用于设置模型除上述步骤外的其他设置项,如模型最长训练时间。


图2:八大菜单

二、操作步骤

第一步:我们先在【变量】菜单中,填入模型的因变量、因子和协变量,因为各个协变量定义标准都不同,因此我们还需对其标准化,如图3。


图3:变量菜单设置

第二步:接下来在“分区”菜单中,将数据按照默认7:3的比例,分为训练集和验证集,训练集用于训练模型,验证集用于验证模型结果,反向优化模型参数,一般来说,训练集数量大于验证集。


图4:分为训练集和验证集

第三步:定义神经网络模型结构,这一步非常重要,默认勾选的是“体系结构自动选择”,我们不采取默认方式,而是勾选“定制体系结构”,然后修改其中的隐藏层数、隐藏层激活函数、输出层激活函数、隐藏层每一层网络的单元数。

一开始上述参数根据过往调参经验设定即可,后续通过模型的准确率,我们需要不断调整上述参数,最终调整到合适的参数,得到准确率较满意的神经网络模型为最终模型。


图5:设定模型参数

第四步:在“训练”菜单中,我们需设置模型训练的批次、优化算法和其他训练选项,如初始学习率。以上训练参数都会在一定程度上影响模型的训练准确率和训练速度,设定太大则训练时间太长,太小则模型拟合的准确率不够高,因此也属于经验参数,需要反复通过训练模型来逐步确定。


图6:设定训练参数

第五步:设定我们要输出的内容,如ROC曲线、神经网络图、分类结果等,设定的内容最终会在模型训练后以图表形式展示出来。完成设置后,点击“确定”按钮,我们开始来训练模型。


图7:设定输出参数

三、模型结果

等待部分时间后,模型训练完成,训练完成后的神经网络模型如下图8所示。


图8:神经网络图

我们在网络信息表格中,就可以看到该神经网络的具体参数,如使用的激活函数、每个隐藏层的单元数等等。


图9:网络信息

训练神经网络是一项非常花费时间的工作,不仅是因为它训练时间长、而且也因为它需要在训练过程中进行反复调参,使模型向更好的结果进行调整拟合,当然神经网络模型也能实现非常强大的功能,逐渐在我们的生活中占据更高的比重。这就是本文关于SPSS软件训练神经网络的简单教程,更多关于IBM SPSS Statistics使用教学,大家可到城东书院网站上查看。 

方便获取更多学习、工作、生活信息请关注本站微信公众号城东书院 微信服务号城东书院 微信订阅号
推荐内容
相关内容
栏目更新
栏目热门