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:
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.
17–19 ноября - Анализ и прогнозирование временных рядов с помощью IBM SPSS Forecasting
23–24 ноября - Введение в IBM SPSS Statistics
27 ноября - Представление данных с помощью IBM SPSS Custom Tables
7–8 декабря - Эффективные приемы работы в IBM SPSS Statistics
14 декабря - Введение в синтаксис IBM SPSS Statistics
17–18 декабря - Статистический анализ данных в IBM SPSS Statistics