Модуль IBM SPSS Neural Networks содержит нелинейные процедуры моделирования, позволяющие обнаруживать более сложные взаимосвязи в данных. Процедуры этого модуля являются дополнением традиционных статистических методов, содержащихся в SPSS Statistics Base и дополнительных модулях к нему.

Хотя бытует мнение, что нейронные сети в сложных задачах сродни «черному ящику», используя методы data mining модуля IBM SPSS Neural Networks, Вы сможете обнаруживать новые зависимости, а затем подтверждать их значимость с помощью традиционных статистических методов.

Модуль IBM SPSS Neural Networks содержит две разновидности нейронных сетей:

  • Многослойный перцептрон (MLP)
  • Радиальные базисные функции (RBF)

Обе разновидности относятся к методам обучения с учителем на основе алгоритма обратного распространения ошибок. Они используются для прогнозирования и классификации с факторами или ковариатами в качестве предикторов. В процедуре MLP могут использоваться несколько скрытых слоев нейронов, а в процедуре RBF настройка нейронной сети производится в два этапа и, как правило, быстрее чем MLP. В обеих процедурах можно выбирать метод деления набора данных на обучающую, контрольную и проверочную выборки. В процедуре MLP архитектура нейронной сети может определяться автоматически или же можно выбрать ручную настройку и задать количество скрытых слоев и функцию активации в скрытых и выходном слоях нейронов.