基础准备

前面草堂君简要介绍了神经网络算法的基本原理，大家可以点击下方文章链接回顾：

• 数据分析技术：神经网络算法；源于人的思维结构的数据分析算法

现实生活中，很多事情人们往往只关注结果输出，而忽略输入因素，以及输入到输出的具体过程；即使很多有心人想要总结输入到输出的路径规律，也会发现涉及的输入影响因素（变量）太多，因素之间还可能存在交互作用，导致输入到输出的路径错综复杂，就像人的神经网络一样，很难发现从输入到输出这个过程的具体规律。例如，经常会听到这样的比较，一个家长对另一个家长说，同样都是在一个学校一个班级上课，师资力量相同，孩子智商差不多，课外辅导也是同样的机构，为什么自己的孩子学习成绩总是不如别人家的孩子。

神经网络算法能够通过大量的历史数据，逐步建立和完善输入变量到输出结果之间的发展路径，也就是神经网络，在这个神经网络中，每条神经的建立以及神经的粗细（权重）都是经过大量历史数据训练得到的，数据越多，神经网络就越接近真实。神经网络建立后，就能够通过不同的输入变量值，预测输出结果。例如，银行能够通过历史申请贷款的客户资料，建立一个神经网络模型，用于预测以后申请贷款客户的违约情况，做出是否贷款给该客户的决策。本篇文章将用一个具体银行案例数据，介绍如何使用SPSS建立神经网络模型，用于判断将来申请贷款者的还款能力。

随机数发生器

选取历史数据建立模型，一般会将历史数据分成两大部分：训练集和验证集，很多分析者会直接按照数据顺序将前70%的数据作为训练集，后30%的数据作为验证集。如果数据之间可以证明是相互独立的，这样的做法没有问题，但是在数据收集的过程中，收集的数据往往不会是完全独立的（变量之间的相关关系可能没有被分析者发现）。因此，通常的做法是用随机数发生器来将历史数据随机分成两部分，这样就能够尽量避免相同属性的数据被归类到一个数据集当中，使得建立的模型效果能够更加优秀。

在具体介绍如何使用SPSS软件建立神经网络模型的案例之前，先介绍SPSS的另外一个功能：随机数发生器。SPSS的随机数发生器常数的随机数据不是真正的随机数，而是伪随机数。伪随机数是由算法计算得出的，因此是可以预测的。当随机种子（算法参数）相同时，对于同一个随机函数，得出的随机数集合是完全相同的。与伪随机数对应的是真随机数，它是真正的随机数，无法预测也没有周期性。目前大部分芯片厂商都集成了硬件随机数发生器，例如有一种热噪声随机数发生器，它的原理是利用由导体中电子的热震动引起的热噪声信号，作为随机数种子。

在接下来的案例分析中，我们首先利用SPSS的随机数发生器将历史数据随机分成两部分，一部分用作训练集，另一部分用作验证集。

案例分析

现在有一份某银行的贷款者数据。其中700条是历史贷款者记录，这些数据记录包括9个变量：年龄、学历水平、收入水平等8个身份变量和1个贷款是否违约变量。数据另外还包括150条新的申请贷款者记录，这些记录只有前面8个身份变量信息。数据已经整理成SPSS格式，如下图所示。现在用前面700条历史贷款者记录建立神经网络模型，然后将建立的模型用于150名新的申请贷款者的违约判断。

（例题数据文件已经上传到QQ群中，需要的朋友可以前往下载）

分析思路

在700条历史数据中，需要分成两部分：训练集和验证集。为了避免训练集和验证集内数据的不随机性，先使用随机数发生器生成随机数种子，然后再用伯努利公式，随机抽取70%的数据作为训练集，另外30%的数据作为验证集。

分析步骤

1、选择菜单【转换】-【随机数生成器】，跳出下方对话框。将设置起点选中，然后选择固定值，点击【确定】，这时随机数种子就成功了。下次如果还需要生成同样的随机数据集合，选择同样的固定值即可。

2、点击【转换】-【计算变量】，生成一个新变量，该变量用于将700条数据记录分成两份，训练集和验证集。新变量名称命名为数据集，数学表达式为RV.BERNOULLI(0.7)，表示采用伯努利随机试验，随机将700条记录分成两份，一份为70%，另一份为30%。

3、点击【确定】输出结果。

结果解释

生成一列新变量，其中1代表训练集数据，0代表验证集数据。其中验证集数据总共有211条记录，占700条数据的30.1%。接下来用SPSS进行神经网络模型的建立。

分析步骤

1、选择菜单【分析】-【神经网络】-【多层感知器】，在跳出的对话框中进行如下选择。将需要预测的变量选为因变量；分类型变量选为因子；连续型变量选为协变量。

2、点击左上角的【分区】，然后选择使用分区变量来分配个案，然后将新生成变量数据集选为分区变量。

3、点击左上角【保存】按钮，将预测值和预测概率选中。最后会在数据视图中新生成预测类别和预测概率两个变量。

4、点击【确定】，输出结果。

结果解释

1、神经网络模型结构。可以发现，建立的神经网络模型分成三层：输入层，隐藏层和输出层，每层的结构如下表所示。

2、神经网络图。下图是建立的神经网络模型的结构图，线的颜色和粗细代表了每个神经元连接的权重，这些权重是根据700条数据训练出来的。

3、神经网络模型质量。从模型摘要可以知道，在训练集中，有16.2%的数据被错误估计，而在检验集中，该比例上升到22.3%，差异还是比较大的。右表示训练集和检验集具体的预测情况，可以发现，无论是训练集还是检验集，实际违约客户被错误预测成无违约情况的比例还是很高的，分别达到1-54.3%=45.7%和1-38.9%=61.2%。综上所述，建立的神经网络模型质量不太好，可以通过更多的数据训练模型，作进一步优化。

总结一下

最近几篇推送是关于决策树和神经网络的内容，这些内容与前面介绍过的聚类分析，因子分析等分析方法都是数据挖掘的常用分析方法，SPSS在这方面的设计和使用都不是非常的全面。因此，有关数据挖掘分析方法的理论与软件操作会在接下来介绍SPSS Modeler的时候更加详细的介绍。大家可以加入qq群下载数据文件，跟随草堂君的文章一起练习。

所有例题的数据文件都会上传到QQ群中，需要对照练习的朋友可以前往下载，QQ群号见下方温馨提示。生活统计学不仅有各种数据分析方法，更有容易被大家忽视的生活常识。

温馨提示：

• 数据分析课程私人定制，一对一辅导，添加微信(possitive2)咨询！

• 生活统计学QQ群：134373751，用于分享文章提到的各种案例资料、软件、数据文件等。支持各种资料的直接下载和百度云盘下载。

• 生活统计学微信交流群，用于各自行业的数据研究项目及其成果交流分享；由于人数大于100人，请添加微信possitive2，拉您入群。

• 数据分析咨询，请点击首页下方“互动咨询”板块，获取咨询流程！