SPSS Modeler offre algoritmi di modellazione tratti dall'apprendimento automatico, dall'intelligenza artificiale e dalla statistica. È possibile utilizzare questi algoritmi di modellazione per analizzare i dati e ottenere nuove conoscenze aziendali. Con SPSS Modeler è possibile sviluppare rapidamente modelli predittivi e implementarli nelle attività aziendali.
Che cos'è SPSS Modeler?
Copy link to section
SPSS Modeler è un'applicazione per il data mining che consente di creare flussi di data mining utilizzando l'interfaccia visiva di SPSS Modeler. Non è richiesta la programmazione. È possibile creare flussi di SPSS Modeler per esplorare i dati, modellare i risultati, provare diversi modelli e analizzare le relazioni per trovare informazioni utili. SPSS Modeler utilizza la metodologia Cross-Industry Standard Process for Data Mining (CRISP-DM), un metodo collaudato dal settore per guidare le attività di data mining.
Utilizzando l' Editor di flusso, si preparano o modellano i dati, si esegue il training o la distribuzione di un modello o si trasformano i dati e li si esportano di nuovo in una tabella di database o in un file in Cloud Object Storage. L'esecuzione di un flusso SPSS Modeler consuma ore di unità di capacità. Per ulteriori informazioni, vedere Utilizzo del calcolo degli ambienti di Watson Studio.
È possibile utilizzare le analisi avanzate di SPSS Modeler per scoprire modelli nei dati e mettere a punto i modelli. È quindi possibile implementare questi modelli nella propria azienda per fare previsioni su nuovi dati con esiti sconosciuti. I modelli sono in grado di analizzare sistematicamente i dati e di trovare intuizioni e opportunità di business. Se si ha accesso al servizio watsonx.ai Runtime, è possibile promuovere i modelli negli spazi di distribuzione per eseguirli.
Formati dei dati
Relazionale: tabelle in origini dati relazionali
Tabulare: le tabelle nei file di dati come .xls, .csv, .jsono .sas. Per i file Excel, viene letto solo il primo foglio.
Testuale: in tabelle o file relazionali supportati
Utilizzare le funzioni di preparazione automatica dei dati
Scrivere istruzioni SQL per manipolare i dati
Ripulire, formattare, campionare, ordinare e derivare campi
Come posso analizzare i dati?
Visualizzare i dati con le numerose opzioni di grafico
Identificare il linguaggio naturale di un campo di testo
Come posso creare modelli?
Creare modelli predittivi
Scegliere tra oltre 40 algoritmi di modellazione e molti altri nodi
Utilizzare funzioni di modellazione automatica
Modellare serie temporali o dati geospaziali
Classificare dati testuali
Identificare le relazioni tra i concetti nei dati testuali
Nota:Watson Studio non include le funzionalità di SPSS Modeler in Perù, Ecuador, Colombia e Venezuela.
Script
Copy link to section
È possibile utilizzare lo scripting in SPSS Modeler per automatizzare le attività altamente ripetitive o che richiedono molto tempo per essere eseguite manualmente. Gli script possono eseguire tutti gli stessi tipi di azioni che gli utenti compiono con il mouse o la tastiera e si possono scrivere in R, Python o Python for Spark.
Di seguito sono riportate alcune delle attività che è possibile automatizzare con gli script:
Imporre un ordine specifico per l'esecuzione dei nodi in un flusso
Impostare le proprietà di un nodo
Impostare un processo che prenda automaticamente un flusso di formazione del modello, lo esegua e produca il corrispondente flusso di test del modello.
Servizi correlati
Copy link to section
Se si ha accesso ad altri servizi su Cloud Pak for Data, è possibile utilizzarli con SPSS Modeler. I seguenti servizi offrono funzioni complementari al lavoro in SPSS Modeler.
Nota:Watson.ai Studio è un servizio prerequisito per SPSS Modeler.
Creare un flusso con una serie di connettori e fasi per trasformare e integrare i dati. Fornire informazioni arricchite e personalizzate per la propria azienda.
Costruite, eseguite e gestite rapidamente applicazioni di intelligenza artificiale e apprendimento automatico con prestazioni e scalabilità integrate.
L'argomento è stato utile?
Sì
No
Informazioni mancanti
Informazioni errate
Informazioni poco chiare
Link interrotto
Altro
Indietro
0/1000
Invia commento
Indietro
Focus sentinel
Focus sentinel
Focus sentinel
Focus sentinel
Focus sentinel
Cloud Pak for Data relationship map
Use this interactive map to learn about the relationships between your tasks, the tools you need, the services that provide the tools, and where you use the tools.
Select any task, tool, service, or workspace
You'll learn what you need, how to get it, and where to use it.
Some tools perform the same tasks but have different features and levels of automation.
Jupyter notebook editor
Prepare data
Visualize data
Build models
Deploy assets
Create a notebook in which you run Python, R, or Scala code to prepare, visualize, and analyze data, or build a model.
AutoAI
Build models
Automatically analyze your tabular data and generate candidate model pipelines customized for your predictive modeling problem.
SPSS Modeler
Prepare data
Visualize data
Build models
Create a visual flow that uses modeling algorithms to prepare data and build and train a model, using a guided approach to machine learning that doesn’t require coding.
Decision Optimization
Build models
Visualize data
Deploy assets
Create and manage scenarios to find the best solution to your optimization problem by comparing different combinations of your model, data, and solutions.
Data Refinery
Prepare data
Visualize data
Create a flow of ordered operations to cleanse and shape data. Visualize data to identify problems and discover insights.
Orchestration Pipelines
Prepare data
Build models
Deploy assets
Automate the model lifecycle, including preparing data, training models, and creating deployments.
RStudio
Prepare data
Build models
Deploy assets
Work with R notebooks and scripts in an integrated development environment.
Federated learning
Build models
Create a federated learning experiment to train a common model on a set of remote data sources. Share training results without sharing data.
Deployments
Deploy assets
Monitor models
Deploy and run your data science and AI solutions in a test or production environment.
Catalogs
Catalog data
Governance
Find and share your data and other assets.
Metadata import
Prepare data
Catalog data
Governance
Import asset metadata from a connection into a project or a catalog.
Metadata enrichment
Prepare data
Catalog data
Governance
Enrich imported asset metadata with business context, data profiling, and quality assessment.
Data quality rules
Prepare data
Governance
Measure and monitor the quality of your data.
Masking flow
Prepare data
Create and run masking flows to prepare copies of data assets that are masked by advanced data protection rules.
Governance
Governance
Create your business vocabulary to enrich assets and rules to protect data.
Data lineage
Governance
Track data movement and usage for transparency and determining data accuracy.
AI factsheet
Governance
Monitor models
Track AI models from request to production.
DataStage flow
Prepare data
Create a flow with a set of connectors and stages to transform and integrate data. Provide enriched and tailored information for your enterprise.
Data virtualization
Prepare data
Create a virtual table to segment or combine data from one or more tables.
OpenScale
Monitor models
Measure outcomes from your AI models and help ensure the fairness, explainability, and compliance of all your models.
Data replication
Prepare data
Replicate data to target systems with low latency, transactional integrity and optimized data capture.
Master data
Prepare data
Consolidate data from the disparate sources that fuel your business and establish a single, trusted, 360-degree view of your customers.
Services you can use
Services add features and tools to the platform.
watsonx.ai Studio
Develop powerful AI solutions with an integrated collaborative studio and industry-standard APIs and SDKs. Formerly known as Watson Studio.
watsonx.ai Runtime
Quickly build, run and manage generative AI and machine learning applications with built-in performance and scalability. Formerly known as Watson Machine Learning.
IBM Knowledge Catalog
Discover, profile, catalog, and share trusted data in your organization.
DataStage
Create ETL and data pipeline services for real-time, micro-batch, and batch data orchestration.
Data Virtualization
View, access, manipulate, and analyze your data without moving it.
Watson OpenScale
Monitor your AI models for bias, fairness, and trust with added transparency on how your AI models make decisions.
Data Replication
Provide efficient change data capture and near real-time data delivery with transactional integrity.
Match360 with Watson
Improve trust in AI pipelines by identifying duplicate records and providing reliable data about your customers, suppliers, or partners.
Manta Data Lineage
Increase data pipeline transparency so you can determine data accuracy throughout your models and systems.
Where you'll work
Collaborative workspaces contain tools for specific tasks.
Project
Where you work with data.
> Projects > View all projects
Catalog
Where you find and share assets.
> Catalogs > View all catalogs
Space
Where you deploy and run assets that are ready for testing or production.
> Deployments
Categories
Where you manage governance artifacts.
> Governance > Categories
Data virtualization
Where you virtualize data.
> Data > Data virtualization
Master data
Where you consolidate data into a 360 degree view.