神经网络模型是数据分析常用的模型，它广泛应用于众多领域，比如：医疗、人工智能、深度学习、语音、机器人等。它能通过现有数据经过神经网络模型训练得到训练模型，再将模型运用于预测数据集，进而得到预测结果，并且将预测趋势应用于各个领域。IBM SPSS Statistics同样具备神经网络模型，直接将需要分析数据导入IBM SPSS Statistics，然后进行简单配置即可使用神经网络模型。接下来就来看下如何使用SPSS神经网络模型预测结果。
打开SPSS软件，如果预测的数据集是事先准备好的，则直接点击左上角“文件”-“导入数据”；如果预测的数据集需要自己制作，则通过SPSS软件设置变量以及完成数据输入。这里为了演示，因此小编自己制作一个商品促销数据集。点击左下角“变量视图”窗口，并且确定变量。
图1 变量视图
点击左下角“数据视图”，在该窗口完成数据集的输入，这里总共输入24条数据集。
图2 数据集输入
二、神经网络模型预测结果
点击顶部菜单栏“转换”-“计算变量”，打开计算变量窗口。然后我们需要设计名为incress的目标变量，并且将其标签设计为“促销前后消费额变化率”,最后设计该变量的数字表达式。
图3 目标变量
完成上述操作之后，我们可以看到数据集中增加了该变量，并且自动生成数据集。然后我们需要将该变量角色改为目标。
图4 角色改变
点击SPSS软件顶部菜单栏“分析”- “神经网络”-“径向基函数”。打开径向基函数窗口，我们可以看到顶部包括变量、分区、体系结构、输出、保存、导出、选项。其中“体系结构”和“选项”默认即可，下面将对其他五个菜单进行设计。
图5 径向基函数
设计变量菜单。将incress（目标变量）加载到因变量选项框，将Class、Cost、Promotion、Before加载到协变量，并且协变量重新标度选择为标准差。
图6 变量菜单
设计分区菜单和输出菜单。分区一般默认是训练数据为70%，检验数据为30%，当然你可以自己配置比率。
输出一般把所有选项都选中，这样有利于我们观看分析结果。
图7 分区和输出菜单
保存和导出菜单。保存需要勾选“保存每个因变量的预测或类别”，这样将会把预测值添加到数据集中。导出需要勾选“将突触权重估算值导出到XML文件，并且点击浏览将xml文件导出到本地。
图8 保存和导出菜单
完成神经网络径向基函数设置之后，可以看到自动生成输出文档，包括网络图、模型摘要、参数估算值、预测图、自变量重要性图等。
图9 网络模型图
通过自变量重要性图可以分析出哪些因素对预测值的影响较大，重要性越明显则对预测值影响就越大，比如这里Promotion（促销费用）对商品促销影响最大。因此，通过提高商品促销费用，将能够增大商品促销量。
图10 自变量重要性
完成神经网络中的径向基函数之后，我们可以看到数据中增加了一列预测值的数据。通过该预测值，我们能够清楚哪些商品促销比较明显。
图11 预测数据
三、小结
上面通过使用SPSS软件从数据集的制作，并将该数据集通过神经网络模型预测得到预测结果，通过该预测值，我们能够提前了解那种因素对促销量影响较大，进而能够提高我们商品的销售量。相信这篇教程的讲解，你能够快速使用SPSS软件的神经网络模型应用各个领域。
