類神經網路(Artificial Neural Network)統計分析方法 @ 以斯帖統計顧問公司

類神經網路(Artificial Neural Network)的方法，隨著近年來電腦資訊設備發展，有越來越廣泛運用的趨勢。其想法即爲由收集至的系統輸入(input)與輸出(output)的資料，建立模式(model)（輸入資料與輸出資料的關聯性）。有了這樣的模型便可用於預測、決策、分類。就統計分析而言，輸入資料即爲解釋變項，而輸出資料即可視爲結果變項，在統計分析方法中，常見的迴歸分析即可以視為一種類神經網路的模式。而類神經網路可以有更複雜的型式，例如解釋變項爲非線性的模式等等。

類神經網路模式其主要的目的通常在於預測。所以通常會將資料分成兩個部份：建模資料(training data)以及驗證資料(testing data)；也就是說，先以建模資料建立模式，再將驗證資料代入建立完成的模式以確認其預測力高低。在醫學上，類神經網路的方法多應用於心血管疾病診斷、基因分類等。目前，類神經網路模式有相當多的軟體可用來分析，例如常見的SAS, R, SPSS, STATISTICA等.