预测分析

IBM SPSS Modeler 简介 作为 IBM 分析与预测解决方案的重要组成部分，IBM SPSS Modeler 是一组数据挖掘工具，通过这些工具可以采用商业技术快速建立预测性模型，并将其应用于商业活动，从而改进决策过程。随着于 2010 年其新版本 14.1 的发布，名字也由 PASW Modeler 更名为现在的 IBM SPSS Modeler 。 SPSS Modeler 提供了各种借助机器学习、人工智能和统计学的建模方法。通过建模选项板中的方法，您可以根据数据生成新的信息以及开发预测模型。每种方法各有所长，同时适用于解决特定类型的问题。 初次上手 典型的 SPSS Modeler 界面如下： 图 1. SPSS Modeler 界面 接下来将详细介绍其基本概念及操作。 基本概念：节点 节点代表要对数据执行的操作。 例如，假定您需要打开某个数据源、添加新字段、根据新字段中的值选择记录，然后在表中显示结果。在这种情况下，您的数据流应由以下四个节点组成： 表 1. 节点示例 变量文件节点，设置此节点后可以读取数据源中的数据。 导出节点，用于向数据集中添加计算的新字段。 选择节点，用于设置选择标准，以从数据流中排除某些记录。 表节点，用于在屏幕上显示操作结果。 基本概念：数据流 SPSS Modeler 进行的数据挖掘重点关注通过一系列节点运行数据的过程

IBM SPSS Modeler Server 支持对数据库供应商的数据挖掘工具和建模工具进行整合，其中包括IBM Netezza、IBM DB2 InfoSphere Warehouse、Oracle Data Miner和Microsoft Analysis Services。实现了在IBM SPSS Modeler的分析功能和易用性将与数据库的功能和性能相结合，同时还兼备数据库供应商提供的数据库自有算法。模型在数据库创建，然后可以借助 IBM SPSS Modeler 界面以正常方式浏览模型并为之评分。 那么使用 IBM SPSS Modeler 访问数据库自有算法有什么优势呢？主要是两方面： 1.数据库内的算法常常与数据库服务器紧密集成，这有助于提高性能。 2.在“数据库内”构建和存储的模型不仅由可访问数据库的应用程序共享，且更易于在这些应用程序中部署。 接下来我们以Microsoft Analytics Services为例，介绍如何配置以及使用数据库内建模功能。 IBM SPSS Modeler 支持集成下列Analysis Services算法包括： 决策树 聚类 关联规则 朴素贝叶斯 线性回归 神经网络 Logistic回归 时间序列 序列聚类 安装与配置： 在您的机器上，必须安装以下模块： IBM SPSS Modeler Client IBM SPSS