模型起源于对人类大脑思维模式嘚研究它是一个非线性的数据建模工具， 由输入层和输出层、 一个或者多个隐藏层构成神经元神经元之间的连接赋予相关的权重， 训練学习算法在迭代过程中不断调整这些权重从而使得预测误差最小化并给出预测精度。

在中包括多层感知器（MLP）和径向基函数（RBF）两種方法。

本期主要学习多层感知器神经网络要把它讲清楚是比较困难的，为了能直观感受它的功能首先以一个案例开始，最后再总结知识

该数据文件涉及某银行在降低贷款拖欠率方面的举措。该文件包含 700 位过去曾获得贷款的客户财务和人口统计信息请使用这 700 名客户嘚随机样本创建多层感知器神经网络模型有哪几种。银行需要此模型对新的客户数据按高或低信用风险对他们进行分类

多层感知器神经網络 总结

一种前馈式有监督的学习技术；

多层感知器可以发现极为复杂的关系；

如果因变量是分类型，神经网络会根据输入数据将记录劃分为最适合的类别；

如果因变量是连续型，神将网络预测的连续值是输入数据的某个连续函数；

建议创建训练-检验-支持三个分区网络訓练学习将更有效；

可将模型导出成 XML 格式对新的数据进行打分；

以上文章，由数据小兵原创首发于【统计训练营】微信公号。