基础准备
前面用两篇文章介绍了SPSS的决策树分析功能，它是机器学习的入门分析方法，包括了四种基本的算法CHAID/Exhaustive-CHAID/CART/QUEST。同时也介绍了决策树分析与其它分类和判别分析方法（逻辑回归、判别分析、聚类分析等）的区别和联系，大家可以点击下方文章链接进行回顾：
因为SPSS是一款统计分析软件，所以关于模型和算法的模块比较少，也比较简单，只涉及决策树和神经网络的部分功能。草堂君会在结束SPSS软件的介绍后，继续介绍IBM另外一款数据挖掘软件Modeler，模型和算法的原理会在介绍Modeler软件时进行。下面给大家介绍的就是神经网络算法的分析逻辑。
人类的思维方式
神经网络算法的创造来源于人的思维方式，因此首先来科普人的思维方式有哪些。人的思维分成三种：抽象思维（逻辑思维）、形象思维（直观思维）和灵感思维（顿悟思维）。其中，灵感思维很奇妙，具有不可分析性。例如，设计师的设计，画家的创作和诗人写诗，他们的作品框架经常是瞬间产生的，也就是灵感来了。这种思维过程和结果产生带有不可预知性，仍然是科学家研究的热门领域。
抽象思维，也称为逻辑思维，它是一种逻辑推理过程。它首先将信息转换成符号，然后根据符号运算进行逻辑推理，得出最终的结果。例如，常说男人的逻辑思维能力会稍高于女人。逛街遇到自己喜欢的东西，女人容易冲动消费，而男人会进行一番逻辑推理，对比同等档次物品的价格，性能等因素，最后再决定是否购买。
形象思维，也称直观思维，它的特点是将以前不同领域的信息存储起来，产生最终的结果。日常生活中，经常用直觉来表示这种思维方式。例如，警察由于经常面对小偷，脑子中自然而然的存储了小偷的特征信息，当警察在交通枢纽抓小偷时，观察周边的行人，这些分布存储的小偷特征信息就会以直觉的形式告诉警察，哪些人可能是小偷。这种思维方式与抽象思维不一样，没有形成完整明确的推断逻辑路径，只能通过综合过往存储的信息，给出一个大概率的判断。人工神经网络算法就是模拟人的直观思维方式。
神经网络算法
既然神经网络模拟的是人类直观思维的方式，那么人类的这种直观思维是如何形成的呢？答案是通过神经元。婴儿出生后，大脑不断发育，外界的刺激信号会不断调整和加强神经元之间的连接强度，从而形成稳定的连接结构。如下图所示：
人脑智慧的核心就在于这些神经元的连接机制。大量神经元的巧妙连接，使得人脑成为一个高度复杂的系统。人工神经网络就是一种模拟人脑神经结构的建模方式（算法）。目前，神经网络在人工智能和数据挖掘领域都有广泛的应用，例如应用于商业数据的分类预测和聚类分析中。
人工神经网络可以画成下图的形式，下图是一个三层神经网络，当然也会有两层和多层神经网络，分析者可以根据实际情况选择。在三层神经网络中，分成输入层、中间的隐层以及输出层，神经网络的处理单元（节点）就分布在这些层中。
输入节点负责接收和处理输入变量值；隐层节点负责实现信息传递转换；输出节点负责给出输出变量的分类预测结果。节点之间的连接以及连接强度可以通过训练数据（训练集）来建立，训练数据越多，节点之间的连接以及连接强度就越接近真实情况。
神经节点结构
神经节点也可以称为神经元。在人工神经网络中，神经节点的结构如下图所示，可以发现完整的节点由加法器和激活函数组成。
如果节点接受的输出信息用X表示，这些信息经过赋予权重，然后进入加法器，经过下面的加法器公式计算，得到综合值：
得到综合值以后，综合值代入到激发函数中，得到输出信息Y：
在加法器和激发函数的作用下，神经元节点会起到一个切割面的作用。假设训练数据的每个个案（研究对象）是处于n为空间中的点（研究对象有n属性变量），那么每个节点就是一个切割面。一个切割面将n为空间划分为两个部分，k个神经元就是k个切割面，可以将n维空间划分为若干区域。理想的情况下，处于不同区域的研究对象属于不同类别，处于同一区域的研究对象属于同一类别。
总结一下
以上就是神经网络的分析逻辑，它由人类的思维方式入手，通过特别的算法设计，使得能够通过大量的历史数据建立成熟的神经网络模型，从而用于现实生活的分类判断。因为SPSS中，神经网络模块比较简单，更为负责的分析原理介绍会在介绍Modeler软件时再细化。下篇文章将介绍如何使用SPSS进行神经网络模型的建立和预测。
