IBMSPSSModeler教程(1).docx

IBM SPSS Modeler 说明 数据挖掘和建模 数据挖掘是一个深入您的业务数据，以发现隐藏的模式和关系的过程。数据挖掘解决了一个常见的问题：您拥有的数据越多，就越难有效地分析并得出数据的意义，并且耗时也越长。金矿无法开采，通常是由于缺乏人力、时间或专业技术。 数据挖掘使用清晰的业务流程和强大的分析技术，快速、彻底地探索大量的数据，抽取并为您提供有用且有价值的信息，这正是您所需要的“商务智能”。 尽管您数据中的这些以前未知的模式和关系本身很有趣，但一切并不止于此。如果您可以使用这些过去行为的模式来预测未来可能发生的事情，那又会怎样？这就是建模的目标 -?模型，它包含一组从源数据中抽取的规则、公式或方程式，并允许您通过它们生成预测结果。这正是预测分析的核心。 关于预测分析 预测分析是一个业务流程，其中包含一组相关技术，通过从您的数据中总结出有关当前状况与未来事件的可靠结论，帮助制定有效的行动措施。它是以下方面的组合： ??高级分析 ??决策优化 高级分析使用多种工具和技术，分析过去与现在的事件，并预测未来的结果。决策优化确定您的哪些措施可以产生最好的可能结果，并确保这些建议措施能够最有效地融入到您的业务流程中。 有关预测分析如何工作的深入信息，请访问公司网站? HYPERLINK /predictive_analytics/work.htm \t N30F4C /predictive_analytics/work.htm。 建模技术 建模技术基于对算法的使用，算法是解决特定问题的指令序列。您可以使用特定算法创建相应类型的模型。有三种主要的建模技术类别，IBM? SPSS? Modeler 为每种类别提供了一些示例： ??Classification ??关联 ??细分（有时称为“聚类”） 分类模型使用一个或多个输入字段的值来预测一个或多个输出（或目标）字段的值。这些技术的部分示例为：决策树（CR 树、QUEST、CHAID 和 C5.0 算法）、回归（线性、logistic、广义线性和 Cox 回归算法）、神经网络、Support Vector Machine (SVM) 和贝叶斯网络。 关联模型查找您数据中的模式，其中一个或多个实体（如事件、购买或属性）与一个或多个其他实体相关联。这些模型构建定义这些关系的规则集。数据中的字段可以作为输入和目标。您可以手动查找这些关联，但关联规则算法可以更快速地完成，并能探索更多复杂的模式。Apriori 和 Carma 模型是使用此类算法的示例。另一种类型的关联模型是序列检测模型，后者可以在按时间建立结构的数据中查找顺序模式。 细分模型将数据划分为具有类似输入字段模式的记录段或聚类。细分模型只对输入字段感兴趣，没有输出或目标字段的概念。细分模型的示例为 Kohonen 网络、K-Means 聚类、两步聚类和异常检测等。 我如何知道使用哪种技术？ 有这样种类繁多的技术摆在面前，很难知道从哪里开始解决您的特定问题。幸运的是，IBM? SPSS? Modeler 可以通过自动化建模形式替您做出其中的部分决定。这是一种功能强大的技术，它能评估和比较多种不同建模方法，并按有效性顺序对它们进行排序。这样，您可以在单次建模运行中尝试多种方法。 自动建模 使用说明 要启动该应用程序，请从 Windows“开始”菜单的 SPSS Inc 程序组中选择IBM? SPSS? Modeler?14.1。几秒钟后，屏幕上将显示主窗口。 在数据挖掘过程中的每一个阶段，均可通过 IBM? SPSS? Modeler 易于使用的界面来邀请特定业务的专家。建模算法（如预测、分类、细分和关联检测）可确保得到强大而准确的模型。模型结果可以方便地部署和读入到数据库、IBM? SPSS? Statistics 和各种其他应用程序中。 使用 SPSS Modeler 即处理数据的三个步骤。 ??首先，将数据读入 SPSS Modeler， ??然后，然后通过一系列操纵运行数据， ??最后，将数据发送到目标位置。 这一操作序列称为数据流，因为数据以一条条记录的形式，从数据源开始，依次经过各种操纵，最终到达目标（模型或某种数据输出） 流工作区是 IBM? SPSS? Modeler 窗口的最大区域，也是您构建和操纵数据流的位置。 通过在界面的主工作区中绘制与业务相关的数据操作图表来创建流。每个操作都用一个图标或节点表示，这些节点通过流链接在一起，流表示数据在各个操作之间的流动。 在 SPSS Modeler 中，可以在同一流工作区或通过打开新的流工作区来一次处理多个流。会话期间，流存储在 SPSS Modeler 窗口右上角的“流”管理器中。 IBM? SPSS? Modeler 中的大部分数据和建模工具位于节点选项板中，该选项板位