神经网络ANN——SPSS实现

神经网络[]

一、起源与历史

1、与传统统计方法的区别

传统线性回归模型可通过最小平方方法获取知识并在回归系数存储知识。在此意义下，其为神经网络。实际上，您可以证明线性回归为特定神经网络的特殊个案。但是，线性回归具有严格模型结构和在学习数据之前施加的一组假设。

神经网络可以接近多种统计模型，并无需您预先假设因变量和自变量间的特定关系。

若因变量和自变量间实际为线性关系，神经网络结果应接近线性回归模型的结果；

若两者为非线性关系，神经网络将自动接近“正确”模型结构。

但是如果您正试图解释生成因变量和自变量间关系的基础过程，最好使用更传统的统计模型。但是，如果模型的可解释性并不重要，您可以使用神经网络更快获取良好模型结果。[]

2、多层感知器MLP的应用

两大重要的应用：特征选择（变量选择）；预测。

因变量的取值范围很广。

如何提高训练速度：编码问题（多数“压缩”编码方法通常导致较差的拟合神经网络。如果您的网络培训进行很慢，尝试通过将类似的类别组合起来或删除具有极少见类别的个案以减少分类预测变量中的类别数目）；

3、非线性分析的应用

有以下几种应用在非线性分析的方法：多层感知（MLP）、径向基函数（RBF）、SVM、广义回归神经网络（GRNN）和广义神经网络（GNN）。[]

四、径向基神经网络（RBFN）

全局逼近神经网络（BP）多网络所有隐含层、输出层变量进行赋权、认定阀值，学习速度慢，在实时预测中很难做到；

而径向基神经网络，是局部逼近，局部赋值与认定阀值，实际应用能力较强。

1、原理

径向基函数是一种类似母函数（简单函数），通过基函数来映射高维空间函数特征。就像是多项式可以通过x与x次方的方式，逼近某一函数一样。低维空间非线性可分的问题总可以映射高维空间（输入——隐含层是径向基层），使其在高维空间线性可分（隐含层——输出是线性函数层）。

输入——隐含层是径向基层（非线性），隐含层——输出是线性函数层。径向基层，径向基神经元权重与输入层权重对比，相近的权重设定趋于1，偏离的权重设定趋于0（不起作用）。从而相近权重的输入变量激活了“隐含层——输出层”的权重。

RBFN看上去网络是全连接的，但实质上只有几个输入变量对指定的径向基层有贡献，所以是一个局部逼近的过程，训练速度比BP要快2-3个数量级。

RBFN比BP隐含层神经元要多，可以构成高维隐单元空间，只要隐含层神经元的数目足够多，就可以使输出层空间线性可分。

五、SPSS的R组件安装

使用PASW Statistics-R Essentials插件作为接口，自动安装。

同时excel也支持了R语言的插件接入。[]

1、安装R组件[]

关于SPSS插件安装。

安装流程：
先安装   SPSS Statistics 21.0
再安装   SPSS Statistics Python Essentials 21.0（注意版本 2.7.x）
再安装   Scipy py 2.7 （务必对应 Python Essentials 版本 2.7.x） x64位必须用x64位的Scipy py 2.7 官方没有，第三方的可以。官方有第三方的链接。
再安装   Numpy py 2.7 （务必对应 Python Essentials 版本 2.7.x）x64位必须用x64位的Scipy py 2.7 官方没有，第三方的可以。官方有第三方的链接。
Scipy/Numpy官方地址： http://www.scipy.org/Download
再安装   PLS Extension Module 拷贝到位，将PLS.py和plscommand.xml放入SPSS安装文件夹下\extensions；或将PLS.py放入Python文件夹下Lib\site-packages，plscommand.xml放入\extensions
再安装   R 注意版本 2.14 （千万注意下载 R-2.14.2-win.zip ）
后安装   SPSS Statistics R Essentials 安装时要找 R。

神经网络ANN——SPSS实现相关推荐

福利 | 从生物学到神经元：人工神经网络 ( ANN ) 简介
文末有数据派THU福利哦 [ 导读 ] 我们从鸟类那里得到启发,学会了飞翔,从牛蒡那里得到启发,发明了魔术贴,还有很多其他的发明都是被自然所启发.这么说来看看大脑的组成,并期望因此而得到启发来构建智能 ...
DL之ANN/DNN：人工神经网络ANN/DNN深度神经网络算法的简介、应用、经典案例之详细攻略
DL之ANN/DNN: 人工神经网络ANN/DNN深度神经网络算法的简介.应用.经典案例之详细攻略相关文章 DL:深度学习(神经网络)的简介.基础知识(神经元/感知机.训练策略.预测原理).算法分类 ...
Tensorflow2.x.x最基础的神经网络(ANN)
Tensorflow2.x.x最基础的神经网络(ANN) 本章节主要使用Tensorflow2.x.x来搭建ANN神经网络. ANN原理这里直接放上小伙伴ANN的原理博客~ 实现使用ANN实现对M ...
ann matlab,人工神经网络ann及其matlab仿真.ppt
人工神经网络ann及其matlab仿真人工神经网络的研究方法及应用刘长安2004. 12. 31 引言利用机器模仿人类的智能是长期以来人们认识自然.改造自然和认识自身的理想. 研究ANN目 ...
Python基于PyTorch实现BP神经网络ANN回归模型项目实战
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取. 1.项目背景在人工神经网络的发展历史上,感知机(Multilayer Per ...
Python实现BP神经网络ANN单隐层回归模型项目实战
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取. 1.项目背景 20世纪80年代中期,David Runelhart.Geoff ...
Python实现BP神经网络ANN单隐层分类模型项目实战
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取. 1.项目背景 BP(back propagation)神经网络是1986年由R ...
python实现深层神经网络ANN算法
python实现深层神经网络ANN算法吴恩达第四周课后编程作业首先load一些需要使用的包深层神经网络实现流程一.initialize parameters 二.forward propaga ...
人工神经网络ANN建模基础须知
链接文章:机器学习基础须知.神经网络建模实践,其他博文人工神经网络ANN 0.感知机:包括输入节点.输出节点两部分,输入节点和输出节点用一个表示权重的值连接.感知机的输出值是计算输入节点的加权和,减 ...
人工神经网络 ANN
卷积神经网络CNN图解本文参考人工神经网络ANN 神经网络是一门重要的机器学习技术.它是深度学习的基础. 神经网络是一种模拟人脑的神经网络以期望能够实现人工智能的机器学习技术.人脑中的神经网络是一个 ...

神经网络ANN——SPSS实现

神经网络ANN——SPSS实现相关推荐

最新文章

热门文章