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
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。
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。
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。
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。
- 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。
- 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。
- 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。
- 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。
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。
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。
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?
どのくらいのデータがあればよいですか?
ロジスティック回帰より精度は上がりますか?
アカデミック版とビジネス版で機能は違いますか?
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