SPSS Statistics 追加モジュール

IBM SPSS
Neural Networks

非線形の関係を含む予測モデルを、メニュー操作で作る

変数どうしが複雑に絡み合うデータで、購入・離反などの結果を予測します。隠れ層のユニット数は自動で選べ、学習用とテスト用にデータを分けて精度を確かめられます。

  • 多層パーセプトロン(MLP)
  • 動径基底関数(RBF)
  • 構造の自動選択
  • 独立変数の重要度

Base に追加して利用最終更新 2026.09.28

IBM SPSS Statistics
出力ログ多層パーセプトロン ケース処理の要約 ネットワーク情報 モデルの要約 分類 独立変数の重要度独立変数の正規化重要度最終購入からの日数100%サイト閲覧回数82%購入回数64%年齢41%地域23%数値は説明用の架空データ
どの変数が予測に効いているかを、重要度の順に確かめられます。

要約

IBM SPSS Neural Networks とは、SPSS Statistics Base に追加して、多層パーセプトロン(MLP)と動径基底関数(RBF)のニューラルネットワークで分類・予測を行えるようにするモジュールです。

  • 使う場面:購入・離反の予測、非線形の関係を含むデータ、予測精度を重視する分析
  • 主な機能:MLP、RBF、構造の自動選択、データの区分、独立変数の重要度、ROC 曲線
  • 入手方法:Base への追加、各エディションへの同梱(構成はお見積り時にご案内)

30秒診断:Neural Networks は必要?

ご自身の研究・業務に照らして、次の3問を確かめてください。

Q1

線形のモデルでは当てはまりが足りないと感じますか?

例:ロジスティック回帰の精度を上げたい

はい多層パーセプトロンで、非線形の関係を含めて予測します。

Q2

説明よりも予測の精度を重視しますか?

例:購入見込みのスコアを付けて並べたい

はい学習用・テスト用に分けて精度を確かめた予測モデルを作ります。

Q3

数百〜数万件の学習データがありますか?

例:会員の行動ログ、過去のキャンペーン結果

はい十分な件数があると、ニューラルネットワークの精度が安定します。

1つでも「はい」なら、Neural Networks の追加をおすすめします。要因ごとの影響を説明することが目的なら、Base の回帰や Regression のロジスティック回帰が向いています。

分析の流れ:購入見込みの高い会員を予測した例

会員の行動データを例に、モデルの作成から精度の確認までを示します。数値は説明用の架空データです。

  1. データを入力する会員3,000名について、購入の有無、最終購入からの日数、サイト閲覧回数、購入回数、年齢、地域を1行1名で入力します。
  2. モデルを作る「分析 → ニューラル ネットワーク → 多層パーセプトロン」で、従属変数に購入、区分でデータを学習70%・テスト30%に分けます。
  3. 精度を確かめるテストデータの正解率は79.5%、ROC 曲線の AUC は .86 です。最終購入からの日数の重要度が最も高くなりました。
  4. 使い方を決める予測確率の高い順に会員を並べ、上位の会員を案内の対象にします。重要度の高い変数は施策の検討にも使います。
IBM SPSS Statistics
出力ログ多層パーセプトロン ケース処理の要約 ネットワーク情報 モデルの要約 分類 独立変数の重要度多層パーセプトロン分類(購入)件数正解率AUC標本学習2,10081.2%.88テスト90079.5%.86読み方テストデータでも正解率 79.5%、AUC .86。学習とテストの差が小さく、過学習は目立たない。数値は説明用の架空データ
学習用とテスト用の結果を並べて、予測の精度と過学習の有無を確かめます。

Base と Neural Networks の分担

説明のための回帰は Base と Regression、非線形の予測モデルは Neural Networks です。

やりたいこと使う手法収録先
連続量の結果を直線の関係で予測する線形回帰Base
群を判別する式を作る判別分析Base
2値の結果の確率とオッズ比を推定するロジスティック回帰Regression
非線形の関係を含めて分類・予測する多層パーセプトロン(MLP)Neural Networks
局所的な関係をとらえて予測する動径基底関数(RBF)Neural Networks

搭載している主な手法

多層パーセプトロン

MLP

1〜2層の隠れ層を持つネットワークです。隠れ層のユニット数は自動で選ぶことも、指定することもできます。

動径基底関数

RBF

局所的な関係をとらえるネットワークで、学習が速いのが特長です。

データの区分と停止規則

Partitions

学習・テスト・ホールドアウトにデータを分け、過学習を抑える停止規則を設定できます。

重要度と評価

Importance・ROC

独立変数の重要度、ROC 曲線、累積ゲイン、リフトの図で、モデルの中身と精度を確かめます。

組み合わせの例

予測の精度と説明のしやすさを両立させる組み合わせです。

説明と予測を分担するなら

Base+Neural Networks+Regression

ロジスティック回帰で要因を説明し、ニューラルネットワークで予測の精度を上げます。

深層学習や大量データを扱うなら

Neural Networks+IBM SPSS Modeler

多くの機械学習の手法を比べたり、大量データで学習したりする場合は Modeler を使います。

Base・関連製品との関係

製品・モジュール主な役割Neural Networks との関係
SPSS Statistics Base線形回帰、判別分析Neural Networks を使うための前提です。Base に追加して使います。
SPSS Regressionロジスティック回帰要因の大きさを説明する場合に組み合わせます。
IBM SPSS Modeler機械学習・データマイニング多くの手法の比較や大量データの予測には Modeler を使います。

検討の進め方

よくあるご質問

ディープラーニングはできますか?
Neural Networks は、隠れ層が1〜2層のネットワーク(MLP・RBF)を扱います。多層の深層学習や画像・テキストの学習には、IBM SPSS Modeler やほかの機械学習の環境をご検討ください。
どのくらいのデータがあればよいですか?
数百〜数万件程度のデータでよく使われます。件数が少ない場合は、学習とテストの結果の差を確かめ、過学習に注意します。
ロジスティック回帰より精度は上がりますか?
非線形の関係や交互作用が強いデータでは、精度が上がることがあります。一方で要因ごとの大きさは読み取りにくいので、目的に合わせて使い分けます。
アカデミック版とビジネス版で機能は違いますか?
使える分析機能は同じです。違いは価格区分と利用条件です。大学・研究機関の方にはアカデミック価格をご案内します。
ご相談・サポート担当(専門スタッフ)が対応しますIBM SPSS 正規販売店として、構成選び・お見積り・導入後のご相談まで担当します。

予測に合う構成をご提案します

予測したい結果とデータの量を伺い、Neural Networks を含む過不足のない構成とお見積りをまとめます。

お電話でのご相談0120-835-761受付 9:00–18:00(土日祝を除く)

お気軽にご相談ください0120-835-761受付時間 9:00-18:00 [ 土・日・祝日除く ]

問合せ・見積・注文をする お気軽にお問い合わせください