[Skip Global Navigation]

Bienvenue sur le site de SPSS Maghreb

De nouveaux outils pour construire des modles prdictifs

Pour vous permettre de prendre de meilleures dcisions chaque volution, votre entreprise doit dterminer des modles et des connexions dans lenvironnement complexe et forte volutivit au sein duquel vous travaillez. Pour vous aider dans cette tche, vous utilisez peut tre dj PASW Statistics Base et un ou plusieurs de ses modules compagnons. Dans ce cas, vous savez de quelle puissance et de quelle souplesse vous pouvez disposer. Mais vous pouvez aller encore beaucoup plus loin.

Avec PASW Neural Networks, vous pouvez dcouvrir des modles subtils ou cachs dans vos donnes. Ce module vous permet de faire apparatre des relations plus complexes et gnre des modles prdictifs plus performants.

Les procdures de PASW Neural Networks compltent les statistiques plus traditionnelles de PASW Statistics Base et de ses modules. Avec PASW Neural Networks, vous pouvez trouver de nouvelles relations dans vos donnes puis vrifier leur signification avec des techniques statistiques traditionnelles.

PASW Neural Networks peut tre install en tant que logiciel client uniquement, mais, pour de meilleures performances et afin d'assurer son volutivit, vous pouvez galement l'utiliser dans une configuration client/serveur, avec PASW Statistics Server.

Pourquoi utiliser un rseau de neurones ?

Un rseau de neurones est un ensemble doutils de modlisation pour des donnes non linaires compos de couches dentre et de sortie plus une ou deux couches caches.

A chaque connexion entre les neurones d'une mme couche correspond un "poids" spcifique qui est ajust de faon itrative par lalgorithme d'apprentissage afin de minimiser les erreurs et de fournir des prdictions prcises. Vous dfinissez les conditions dans lesquelles le rseau apprend et vous pouvez contrler de faon trs fine les rgles darrt de l'apprentissage. Vous pouvez galement dfinir larchitecture du rseau ou bien laisser la procdure dterminer automatiquement cette architecture pour vous. Dans un grand nombre de domaines, PASW Neural Networks combin dautres procdures statistiques vous permet d'obtenir une vue plus claire. Pour les tudes de march par exemple, vous pouvez crer des profils client et dcouvrir les prfrences de vos clients. En marketing de base de donnes, vous pouvez segmenter votre base de clients et rentabiliser les campagnes de marketing.

En analyse financire, vous pouvez utiliser PASW Neural Networks pour dterminer la solvabilit des clients demandant un crdit et dtecter d'ventuelles fraudes. Dans lanalyse d'exploitation, utilisez ce nouvel outil pour grer la trsorerie et amliorer la planification logistique. Les applications scientifiques et de sant incluent quant elles la prvision des cots de traitement, lanalyse des rsultats mdicaux et la prdiction de dure dun sjour en hpital.

Contrlez le processus du dbut la fin

Avec PASW Neural Networks vous slectionnez la procdure Multilayer Perceptron (MLP) ou la procdure Radial Basis Function (RBF).

Ces deux procdures correspondent des techniques dapprentissage supervises, cest--dire quelles mettent en correspondance les relations impliques par les donnes. Toutes deux utilisent des architectures feedforward, ce qui signifie que les donnes se dplacent dans une seule direction depuis les noeuds dentre, travers les noeuds de la couche masque jusqu'aux noeuds de sortie. Le choix de la procdure est dtermin par le type de donnes dont vous disposez et par le niveau de complexit que vous cherchez dcouvrir. La procdure MLP permet de trouver des relations plus complexes. La procdure RBF est gnralement plus rapide.

Avec lune ou lautre de ces procdures, vous divisez vos donnes en trois ensembles : ensemble d'apprentissage, ensemble de test et ensemble pilote (holdout). Lensemble d'apprentissage est utilis pour estimer les paramtres du rseau. Lensemble de test sert viter tout "surapprentissage". Lensemble pilote ou holdout permet d'valuer de faon isole le rseau final, qui sera ensuite appliqu la totalit de lensemble de donnes et toute nouvelle donne.

Vous spcifiez les variables dpendantes qui peuvent tre des variables numriques, nominales ou une combinaison des deux. Si une variable dpendante a un niveau de mesure numrique, alors le rseau neuronal prdit les valeurs continues qui sapprochent de la valeur vraie dune fonction continue des donnes dentre. Si une variable dpendante est nominale, alors le rseau neuronal est utilis pour classifier les cas en meilleure catgorie en fonction des prdicteurs dentre.

Vous dfinissez le modle en choisissant le mode de partitionnement des ensembles de donnes, le type darchitecture souhait et les ressources de traitement appliquer lanalyse. Enfin vous spcifiez l'affichage des rsultats sous forme de tableaux ou de graphiques, vous prcisez si l'enregistrement des variables temporaires optionnelles doit se faire dans lensemble de donnes actif et si lexport des modles se fait vers des formats de fichier XML pour scorer les donnes futures.

Tlchargement brochure SPSS Rseaux Neurones