SPSS神经网络心得（二）

这个部分为SPSS神经网络处理输出和保存的一些要点。

输出

网络结构。 显示与神经网络有关的摘要信息。
• 描述。显示与神经网络有关的信息，包括因变量、输入和输出单位数目、隐藏层和单位数目及激活函数。

• 图表。将神经网络图表作为不可编辑图表显示。请注意，随着协变量数目和因子级别的增加，图表变得更加难于解释。

• 键结值。显示表明给定层中的单位与以下层中的单位之间关系的系数估计值。键结值以培训样本为基础，即使活动数据集已划分为培训数据、检验数据和坚持数据。请注意，键结值数目会变得非常大，而且这些权重一般不用于解释网络结果。

网络性能。显示用于确定模型是否“良好”的结果。注意：该组中的图表以训练集和测试集组合为基础，或者如果不存在测试集，则只以训练集为基础。

• 模型摘要。显示分区和整体神经网络结果的摘要，包括错误、相对错误或不正确预测的百分比、用于终止培训的中止规则和培训时间。恒等、sigmoid 或双曲正切激活函数应用于输出层时，错误为平方和错误。softmax 激活函数应用于输出层时，则为交叉熵错误。

• 分类结果。分区和整体显示每个分类因变量的分类表。每个表针对每个因变量类别给出正确或错误分类的个案数目。也报告正确分类的总体个案百分比。

• ROC 曲线。显示每个分类因变量的 ROC（Receiver Operating Characteristic）曲线。其也显示一个给定每个曲线下区域的表格。对于给定因变量，ROC 图表针对每个类别显示一条曲线。如果因变量有两个类别，那么每条曲线将该类别视为正态与其它类别。如果因变量有两个多类别，那么每条曲线将该类别视为正态与所有其它类别的汇总。

• 累积增益图。显示每个分类因变量的累积增益图。每个因变量类别的曲线的显示与 ROC 曲线相同。

• 增益图。显示每个分类因变量的增益图。每个因变量类别的曲线的显示与 ROC 曲线相同。

• 观察预测图。显示每个因变量的观察预测值图表。针对分类因变量，显示每个响应类别的预测拟概率的复式箱图，并且观察响应类别为分群变量。针对刻度因变量，显示散点图。

• 残差分析图。显示每个刻度因变量的残差分析值图表。残差和预测值之间不存在可见模式。此图表仅针对刻度因变量生成。

个案处理摘要。 显示个案处理摘要表，其通过培训、检验和坚持样本整体总结分析中包含和排除的个案数。

自变量重要性分析。执行敏感度分析，其计算确定神经网络的每个预测变量的重要性。此操作创建一个显示每个预测变量的重要性和标准化重要性的表和图表。请注意，如果存在大量预测变量或个案，敏感度分析需要进行大量计算并且很费时。

SPSS神经网络心得（二）相关推荐

回归分析什么时候取对数_技术派|SPSS数据分析心得小结及心得分享！必备收藏...
作者:徐定德来源:经管之家,欢迎转载,欢迎分享. 学习数据分析之spss分析工具,可真的不是一般的功夫,真的要很认真和很细心才能做得好spss.下面我来和大家分享一下关于SPSS数据分析心得小结,希 ...
基于神经网络的人工智能,人工神经网络心得体会
1.人工智能的学习思路是什么? 要学习人工智能,就要先了解清楚人工智能是什么.人工智能就是制造智能的机器,更特指制作人工智能的程序.人工智能模仿人类的思考方式使计算机能智能的思考问题,人工智能通过研究 ...
使用神经网络做二分类，输出层需要几个神经元？应该选择哪一种激活函数？如果要处理minst数据、输出层需要几个神经元？使用那种激活函数？如果使用神经网络预测房价，输出层需要几个神经元、使用什么激活函数？
使用神经网络做二分类,输出层需要几个神经元?应该选择哪一种激活函数?如果要处理minst数据.输出层需要几个神经元?使用那种激活函数?如果使用神经网络预测房价,输出层需要几个神经元.使用什么激活函数? ...
【深度学习】基于Pytorch进行深度神经网络计算(二)
[深度学习]基于Pytorch进行深度神经网络计算(二) 文章目录 1 延后初始化 2 Pytorch自定义层2.1 不带参数的层2.2 带参数的层 3 基于Pytorch存取文件 4 torch.n ...
【深度学习】如何从结构出发更好的改进一个神经网络（二）
[深度学习]如何从结构出发更好的改进一个神经网络(二) 文章目录 1 空洞卷积(dilated convolution) 2 PReLU 3 LeakyReLU可以解决神经元"死亡" ...
图神经网络（二）GCN的性质（3）GCN是一个低通滤波器
图神经网络(二)GCN的性质(3)GCN是一个低通滤波器在图的半监督学习任务中,通常会在相应的损失函数里面增加一个正则项,该正则项需要保证相邻节点之间的类别信息趋于一致,一般情况下,我们选用拉普拉 ...
图神经网络（二）GCN的性质（2）GCN能够对图数据进行端对端学习
图神经网络(二)GCN的性质(2)GCN能够对图数据进行端对端学习近几年,随着深度学习的发展,端对端学习变得越来越重要,人们普遍认为,深度学习的成功离不开端对端学习的作用机制.端对端学习实现了一种 ...
STM32学习心得二十一：实时时钟RTC和备份寄存器BKP特征、原理及相关实验代码解读
记录一下,方便以后翻阅~ 主要内容 1) RTC特征与原理: 2) BKP备份寄存器特征与原理: 3) RTC常用寄存器+库函数介绍: 4) 相关实验代码解读. 实验内容: 因为没有买LCD屏,所以计 ...
BT源代码学习心得(二)：程序运行参数的获取 -- 转贴自 wolfenstein (NeverSayNever)
BT源代码学习心得(二):程序运行参数的获取发信人: wolfenstein (NeverSayNever), 个人文集标题: BT源代码学习心得(二):程序运行参数的获取发信站: 水木社区 ...
STM32学习心得二十六：DAC数模转换实验
记录一下,方便以后翻阅~ 主要内容: 1) DAC数模转换原理: 2) 寄存器和库函数介绍: 3) 相关实验代码解读. 实验功能:系统启动后,按WK_UP键,输出电压加200点,对应电压值200*3. ...

SPSS神经网络心得（二）

SPSS神经网络心得（二）相关推荐

最新文章

热门文章