Il Modulo Statistics Neural Networks permette di identificare relazioni complesse tra i dati grazie a procedure di modellazione non lineari, dette reti neurali (in quanto si ispirano ai sistemi nervosi biologici, come i neuroni del cervello). I modelli inclusi in Neural Network permettono di:

​

• Definire le condizioni di apprendimento della rete

• Controllare le regole di interruzione della rete

• Controllare l'architettura della rete

• Scegliere automaticamente l'architettura della rete

 

Con Statistics Neural Networks è possibile sviluppare accurati modelli predittivi, le cui principali caratteristiche sono di:

 

• Impostare modelli di Data mining delle relazioni nascoste, utilizzando la procedura Multilayer Perceptron (MLP) o Radial Basis Function (RBF)

• Controllare interamente il processo specificando le variabili

• Integrare le altre tecniche o procedure statistiche per migliorare i risultati

 

Data mining delle relazioni nascoste

 

• Scegliere gli algoritmi MLP o RBF per associare le relazioni implicate dai dati. La procedura MLP consente di trovare le relazioni più complesse mentre la procedura RBF è più veloce.

• Beneficiare delle architetture feed-forward, che spostano i dati in una sola direzione, dai nodi di input tramite il livello nascosto o i livelli di nodi ai nodi di output.

• Trarre vantaggio degli algoritmi che operano su un insieme di dati di training e quindi applicano tali competenze all'intero dataset e ai dati nuovi.

 

Controllare il processo

 

• Specificare le variabili dipendenti, che possono essere di scala, categoriche o una combinazione di entrambe.

• Modificare le procedure scegliendo come partizionare il dataset, quali architetture utilizzare e quali risorse computazionali applicare all'analisi.

• Scegliere se visualizzare i risultati in tabelle o grafici, salvare le variabili temporanee opzionali nel dataset attivo o esportare i modelli nel formato XML per classificare i dati futuri.

 

Integrare le altre tecniche o procedure statistiche

 

• Confermare i risultati delle reti neurali con le tecniche di statistica tradizionali utilizzando Statistics Base.

• Integrare le altre procedure statistiche per ottenere informazioni più chiare in diverse aree. Ad esempio, nelle ricerche di mercato, è possibile creare profili dei clienti e identificare le loro preferenze.