神經網絡是基于模仿生物大腦結構及功能的信息處理系統，可通過各種算法從數據中學習如何完成任務，在模式識別、人工智能、預測、醫學等領域擁有廣闊的發展前景。

在本文中，會通過神經網絡中的經典例子鳶尾花，講解如何利用IBM SPSS Statistics實現神經網絡的數據處理和模型訓練，從而得到相應的神經網絡模型。

一、數據的標準化處理

在實際場景中應用神經網絡方法時，通常需要對數據進行標準化處理，以此消除數據之間的量綱差異，讓后續的數據使用更加方便。

本文使用的是一組包含三種類型的鳶尾花數據，擁有四個指標，目的是通過四個指標對鳶尾花的類型進行預測。

圖1：示例數據

首先，如圖2所示，在分析菜單中打開描述功能。

圖2：描述功能

如圖3所示，選中“將標準化值另存為變量”，點擊確定。

圖3：標準化值另存為變量

最終得到標準化的數據，如圖4所示。

圖4：標準化數值

二、神經網絡的實現

首先需要生成一個分組變量，將70%的樣本數據用于訓練。如圖5所示，選擇數據菜單中的計算變量功能，設置目標變量“分組”，使用數字表達式對變量分組。

圖5：變量分組

如圖6，在分析菜單中選中神經網絡，打開多層感知器功能。

圖6：多層感知器功能

接下來在功能面板中設置各項參數，如圖7所示，在變量分區中設置因變量和因子。

圖7：設置參數

點擊分區，如圖8所示，選擇已生成的分組變量。

圖8：分區變量選擇

再點擊輸出，選擇圖9中被選中的選項。

圖9：輸出選項

最后點擊保存，如圖10所示，選擇圖中的兩個選項，然后點擊確定。最終可得到這組數據的神經網絡模型及訓練結果。

圖10：保存