| 分类 |
列表 |
| 数据理解 |
?? 凭借自动辅助创建大量互动图表
?? 使用可视链接分析查看您数据中的关联信息
?? 通过在图表中选择地区和项目及查看所选信息，进行数据交互; 或选择关键信息进行分析
?? 可直接从SPSS Modeler界面访问SPSS Statistics图表和报告工具 |
| 数据准备 |
?? 可访问来自Cognos Business Intelligence、IBM DB2??、Oracle、Microsoft SQL Server、IBM Informix??、IBM
Netezza、mySQL (Oracle)和Teradata的业务数据，也可通过zDB2和IBM Classic Federation Server支持访问大
型机数据
?? 可导入分割文本文件和固定宽度文本文件、SPSS Statistics文件、SPSS Data Collection数据源、Excel、SAS或XML
?? 可从SPSS Modeler中选择多种数据清理选项，删除或替换无效数据，自动填充缺失值并减少离群值和极端值
?? 将自动数据准备用于查询和限制数据，以便在一个单独步骤中进行分析
?? 从SPSS Modeler直接访问SPSS Statistics中执行的数据管理和转换
?? 使用字段过滤、命名、推导、合并、再范畴化、价值重置和字段重新排序
?? 应用记录选择、抽样(包括整群和分层抽样)、合并(包括内连接、完全外连接、部分外连接和反对连接)、排序、聚合和
平衡
?? 可选择数据再构成、分割和对换选项
?? 可选择大量的字符串函数: 字符串创建、替代、查找和匹配，空格移除和截断
?? 应用RFM (近因、频数和货币值)评分: 合计客户交易，提供RFM价值数并将其结合进行完整的RFM分析
?? 可将数据导出至数据库、IBM Cognos Business Intelligence包、SPSS Statistics、SPSS Data Collection，可导出
的格式为分割文本文件、Excel、SAS或XML |
| 建模算法 |
?? 异常检测—通过使用基于集群的算法检测不寻常的记录
?? Apriori—借助高级判断函数的流行关联发现算法
?? Bayesian Networks—图形概率模型
?? C&RT、C5.0、CHAID和QUEST—决策树算法，包括交互式树构建
?? CARMA—支持多结果的关联算法
?? Cox回归—计算事件可能发生的时间
?? Decision List—交互式规则建立算法
?? Factor/PCA, Feature Selection—数据压缩算法
?? IBM InfoSphere*数据库内挖掘算法: 关联(Association)、集群(Clustering)、决策树(Decision Tree)、逻辑回归
(Logistic Regression)、朴素贝叶斯(Naive Bayes)、回归(Regression)、序列(Sequence)、时间序列(Time Series)
?? IBM Netezza*数据库内挖掘算法: 贝叶斯网(Bayes Net)、决策树(Decision Trees)、分离集群(Divisive Clustering)、
广义线性(Generalized Linear)、K均方聚类(K-Means)、KNN、线性回归(Linear Regression)、朴素贝叶斯(Naive
Bayes)、PCA、回归树(Regression Tree)、时间序列(Time Series)
?? Microsoft SQL Server*数据库内挖掘算法: 关联规则(Association Rules)、集群(Clustering)、决策树(Decision
Tree)、线性回归(Linear Regression)、朴素贝叶斯(Naive Bayes)、神经网络(Neural Network)、序列集群
(Sequence Clustering)、时间序列(Time-Series)
?? Oracle*数据库内挖掘算法: 自适应贝叶斯(Adaptive Bayes)、Apriori、人工智能(AI)、决策树(Decision Tree)、一
般线性模型(GLM)、K均方聚类(KMeans)、最小描述长度(MDL)、朴素贝叶斯(Naive Bayes)、非负矩阵分解(Non-
Negative Matrix Factorization)、正交分区集群(Orthogonal Partitioning Clustering)、支持向量机(Support Vector
Machine)
?? K均方聚类(K-Means)、Kohonen、Two Step、Discriminant、支持向量机(SVM)—集群和分割算法
?? KNN—最近邻建模和评分算法
?? 逻辑回归(Logistic Regression)—面向二进制结果
?? 神经网络(Neural Network)—具有反向传播学习和径向基函数网络的多层感知器
?? 回归(Regression)、线性(Linear)、一般线性模型(GLM)、广义线性混合模型(GLMM)—线性方程模型
?? 自学响应模型(SLRM)—具有增量学习的贝叶斯模型
?? 序列(Sequence)—面向序列敏感分析的序列关联算法
?? 支持向量机(Support Vector Machine)—面向广泛数据集的精准高级算法
?? 时间序列(Time-Series)—生成和自动选择时间序列预测模型 |
| 建模和评估 |
?? 结合使用大量数据挖掘算法和高级功能，从您的数据中获取最佳结果
?? 使用自动(二进制和数值型)分类和集群，取代选择单一算法
?? 使用交互模型和方程浏览器，查看高级统计输出
?? 借助变量重要性图表，在预测的结果中展示数据属性的相关影响
?? 在地图中可视化分析结果
?? 结合多种模型(集成建模)或使用一种模型分析另一种模型
?? 使用SPSS Modeler Component-Level Framework (CLEF)集成自定义算法
?? 通过SPSS Statistics的集成，使用R统计编程语言扩展分析选项 |
| 部署 |
?? 使用SQL或PMML (预测模型的基于XML的标准格式)导出模型
?? 使用IBM SPSS Collaboration and Deployment Services的创新分析管理、流程自动化和部署功能 |
| Modeler服务器* |
?? 使用领先的数据库技术并利用高绩效的数据库实现，使用数据库内挖掘在数据库内建立模型
?? 使用SQL-pushback推动数据转换并选择建模算法直接用于您的操作数据库
?? 通过并行执行数据流和多种模型，利用包括IBM System z大型机在内的高绩效硬件，可更快创建解决方案并取得更佳
投资回报率(ROI)
?? 通过安全套接字层(SSL)加密，可在SPSS Modeler Client和SPSS Modeler Server间安全传输敏感数据
*需要Modeler专业版服务器 |
