NeuroShell Classifier - 神经网络分类软件
用于分类模型、类别判断和决策标签识别的神经网络软件
NeuroShell Classifier 是一款面向分类和决策问题的神经网络软件，可根据历史案例中已有的类别信息，在新数据中识别对应类别。
软件输出结果为类别标签，例如二分类标签、多类别产品标签、决策标签或酸性/中性/碱性等类别。它支持读取和写入文本文件，并通过 Instructor 向导引导用户完成数据选择、输入输出设置、训练方法选择、模型训练和分类结果查看。
核心功能方向
类别识别与决策标签
可基于历史案例学习类别关系，并把新数据划分为用户定义的类别标签，适合分类判断和决策辅助类数据任务。
两类训练方法
提供 Neural Method 和 Genetic Training Method 两类训练方式，分别对应 TurboProp2 与 PNN 相关遗传分类方法。
变量重要性分析
Genetic Training Method 可提供独立变量，也就是输入变量的重要性分析，帮助用户理解哪些字段对分类模型更有影响。
自定义 Fitness Matrix
遗传训练方法提供三类优化技术和优化目标选择，并支持自定义 fitness matrix，用于对不同分类错误或分类成功设置不同权重。
概率化分类结果
分类结果基于概率生成，用户可按项目需求选择不同方式解释概率，并查看适用于分类问题的统计信息。
模型调用与分发
如需把生成的神经网络模型嵌入自有程序或分发模型结果，可结合可选的 NeuroShell Run-Time Server 使用。
训练方法说明
| 训练方式 | 说明 |
|---|---|
| Neural Method | 基于 TurboProp2，这是一种由 Cascade Correlation 算法发展而来的训练方法。该方法可动态增加隐藏神经元，并减少传统反向传播算法中大量手工参数设置的工作。 |
| Genetic Training Method | 基于 Donald Specht 提出的 Probabilistic Neural Net（PNN）相关思路，并结合遗传算法。该方法以样本外方式训练，包含 one-hold-out、jackknife 或 cross validation 这类验证思路，适合训练样本较少时进行分类模型探索。 |
软件图示展示
电子表格数据导入与数据网格显示
训练数据与样本外数据行选择
输入变量、输出类别和训练方法选择
Neural Method 单项设置流程
Genetic Training Method、优化目标与 fitness matrix
训练后分类统计结果查看
基于概率的分类结果解释
Receiver-Operator Characteristic 曲线展示
典型分类建模流程
1. 导入数据
读取从电子表格导出的数据，并在数据网格中查看记录和字段。
2. 划分数据行
选择连续或随机数据行，用作训练数据和样本外数据，便于后续模型验证。
3. 设置输入与输出
从数据文件列中选择输入变量和目标输出类别，并选择 Neural Method 或 Genetic Training Method。
4. 查看分类结果
训练完成后，可将模型应用到训练数据或样本外数据，并查看分类统计、概率解释和 ROC 曲线等结果。
分类结果与评估
| 类别输出 | 输出为用户定义的类别标签，可用于二分类、多类别分类和多决策标签场景。 |
| 概率解释 | 分类基于概率生成，用户可按分析需求选择不同的概率解释方式。 |
| 分类统计 | 模型训练后可查看适用于分类问题的多种统计信息，用于观察训练数据和样本外数据表现。 |
| ROC 曲线 | Receiver-Operator Characteristic 曲线可用于图形化汇总分类模型的整体表现。 |
适用场景
业务分类与决策辅助
适合将历史案例中的类别经验用于新数据分类，如客户分组、产品类别、业务决策标签等场景。
科研与实验分类
适合把实验数据、化学指标、生物学记录或工程数据划分为用户定义类别，并查看变量影响。
金融与交易标签判断
可用于买入、卖出、持有等类别标签研究，相关结果需结合业务规则和风险判断使用。
模型嵌入和结果调用
对需要在自有程序中调用已训练分类模型的用户，可结合 Run-Time Server 规划部署方式。
服务支持
可提供 NeuroShell Classifier 正版授权采购、授权代理服务、软件报价咨询、安装部署建议、授权续费和售后技术支持服务。可结合用户分类数据类型、目标类别、Windows 环境、模型调用方式和团队使用需求进行选型沟通。
采购说明
产品价格会因购买数量、版本类型、用户类型、授权方式、所选规格及活动情况等因素发生变化。如需报价，请以双方确认的实际成交价格为准。
- 2026-09-10
- 2026-09-10
- 2026-09-08
- 2026-09-08
- 2026-09-07
- 2026-09-03
- 2026-09-09
- 2026-09-06
- 2026-09-05
- 2026-09-04
- 2026-09-01
- 2026-08-28
