在上文《用SPSS的評分向導功能快速得出模型預測結果》中我們說到，評分向導功能可通過導入的模型快速預測模型結果，而這一功能的使用模型較常使用神經網絡模型。

神經網絡模型也是近些年大火的人工智能行業基礎算法，SPSS軟件中支持訓練出多層感知器神經網絡模型，今天我們一起來看看它是如何通過該專業統計分析軟件訓練出來的。

一、多層感知器總體介紹

我們準備好訓練集數據后，點擊【分析】菜單中的【神經網絡】，選擇第一項【多層感知器】，開始訓練神經網絡模型。

?

?

圖1：多層感知器

多層感知器分為8個選項菜單，“變量”和“分區”菜單是訓練前的數據準備；“體系結構”菜單用于定義模型的各項參數和優化方法；“訓練”菜單用于調整模型的訓練參數，如訓練批次；“輸出”、“保存”和“導出”菜單用于設置模型輸出和保存的內容；“選項”菜單用于設置模型除上述步驟外的其他設置項，如模型最長訓練時間。

?

?

圖2：八大菜單

二、操作步驟

第一步：我們先在【變量】菜單中，填入模型的因變量、因子和協變量，因為各個協變量定義標準都不同，因此我們還需對其標準化，如圖3。

?

?

圖3：變量菜單設置

第二步：接下來在“分區”菜單中，將數據按照默認7:3的比例，分為訓練集和驗證集，訓練集用于訓練模型，驗證集用于驗證模型結果，反向優化模型參數，一般來說，訓練集數量大于驗證集。

?

?

圖4：分為訓練集和驗證集

第三步：定義神經網絡模型結構，這一步非常重要，默認勾選的是“體系結構自動選擇”，我們不采取默認方式，而是勾選“定制體系結構”，然后修改其中的隱藏層數、隱藏層激活函數、輸出層激活函數、隱藏層每一層網絡的單元數。

一開始上述參數根據過往調參經驗設定即可，后續通過模型的準確率，我們需要不斷調整上述參數，最終調整到合適的參數，得到準確率較滿意的神經網絡模型為最終模型。

?

?

圖5：設定模型參數

第四步：在“訓練”菜單中，我們需設置模型訓練的批次、優化算法和其他訓練選項，如初始學習率。以上訓練參數都會在一定程度上影響模型的訓練準確率和訓練速度，設定太大則訓練時間太長，太小則模型擬合的準確率不夠高，因此也屬于經驗參數，需要反復通過訓練模型來逐步確定。

?

?

圖6：設定訓練參數

第五步：設定我們要輸出的內容，如ROC曲線、神經網絡圖、分類結果等，設定的內容最終會在模型訓練后以圖表形式展示出來。完成設置后，點擊“確定”按鈕，我們開始來訓練模型。

?

?

圖7：設定輸出參數

三、模型結果

等待部分時間后，模型訓練完成，訓練完成后的神經網絡模型如下圖8所示。

?

?

圖8：神經網絡圖

我們在網絡信息表格中，就可以看到該神經網絡的具體參數，如使用的激活函數、每個隱藏層的單元數等等。

?

?

圖9：網絡信息

訓練神經網絡是一項非常花費時間的工作，不僅是因為它訓練時間長、而且也因為它需要在訓練過程中進行反復調參，使模型向更好的結果進行調整擬合，當然神經網絡模型也能實現非常強大的功能，逐漸在我們的生活中占據更高的比重。這就是本文關于SPSS軟件訓練神經網絡的簡單教程，更多關于IBM SPSS Statistics使用教學，大家可到IBM SPSS Statistics中文網站上查看。?

總結

以上是生活随笔為你收集整理的SPSS教程—实现多层感知器神经网络的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。