SPSS Modeler offre des algorithmes de modélisation issus de l'apprentissage automatique, de l'intelligence artificielle et des statistiques. Vous pouvez utiliser ces algorithmes de modélisation pour analyser vos données et obtenir de nouvelles informations commerciales. Avec SPSS Modeler, vous pouvez rapidement développer des modèles prédictifs et les déployer dans les opérations commerciales.
Qu'est-ce que SPSS Modeler?
Copy link to section
SPSS Modeler est une application d'exploration de données qui vous permet de créer des flux SPSS Modeler d'exploration de données à l'aide de l'interface visuelle. La programmation n'est pas nécessaire. Vous pouvez créer des flux SPSS Modeler pour explorer vos données, modéliser les résultats, essayer différents modèles et étudier les relations pour trouver des informations utiles. SPSS Modeler utilise la méthodologie CRISP-DM (Cross-Industry Standard Process for Data Mining), qui est une méthode éprouvée par l'industrie pour guider vos efforts de data mining.
L' éditeur de fluxpermet de préparer ou de mettre en forme des données, d'entraîner ou de déployer un modèle ou de transformer des données et de les réexporter vers une table de base de données ou un fichier dans Cloud Object Storage. L'exécution d'un flux SPSS Modeler consomme des heures d'unité de capacité. Pour plus d'informations, voir l' utilisation du calcul dans les environnements Watson Studio
Vous pouvez utiliser les analyses avancées de SPSS Modeler pour découvrir des schémas dans vos données et ajuster les modèles. Vous pouvez ensuite déployer ces modèles dans votre entreprise pour faire des prédictions sur de nouvelles données dont les résultats sont inconnus. Les modèles peuvent analyser les données de manière systématique et trouver des informations et des opportunités commerciales. Si vous avez accès au service watsonx.ai Runtime, vous pouvez promouvoir des modèles vers des espaces de déploiement pour les exécuter.
Formats de données
Relationnel : tables dans des sources de données relationnelles
Tabulaire: tableaux dans les fichiers de données tels que .xls, .csv, .jsonou .sas. Pour les fichiers Excel, seule la première feuille est lue.
Textuel : dans les tables ou fichiers relationnels pris en charge
Utilisation des fonctions de préparation automatique des données
Ecriture d'instructions SQL pour manipuler les données
Nettoyage, mise en forme, échantillonnage, tri et dérivation des données
Comment analyser des données ?
Visualisation de données avec de nombreuses options de graphique
Identification du langage naturel d'un champ de texte
Comment créer des modèles ?
Construction de modèles prédictifs
Choisissez parmi plus de 40 algorithmes de modélisation et de nombreux autres noeuds
Utilisation des fonctions de modélisation automatique
Modélisation de séries temporelles ou de données géospatiales
Classification de données textuelles
Identification des relations entre les concepts dans les données textuelles
Remarque :Watson Studio n'inclut pas la fonctionnalité SPSS Modeler au Pérou, en Équateur, en Colombie ou au Venezuela.
Génération de scripts
Copy link to section
Vous pouvez utiliser les scripts dans SPSS Modeler pour automatiser les tâches qui sont très répétitives ou longues à exécuter manuellement. Les scripts peuvent effectuer tous les mêmes types d'actions que les utilisateurs à l'aide d'une souris ou d'un clavier, et vous pouvez écrire des scripts en R, Python ou Python for Spark.
Voici quelques-unes des tâches que vous pouvez automatiser à l'aide de scripts :
Imposer un ordre spécifique pour l'exécution des nœuds dans un flux
Définir les propriétés d'un nœud
Mettre en place un processus qui prend automatiquement un flux d'apprentissage de modèle, l'exécute et produit le flux de test de modèle correspondant.
Services connexes
Copy link to section
Si vous avez accès à d'autres services sur Cloud Pak for Data, vous pouvez les utiliser avec SPSS Modeler. Les services suivants offrent des fonctionnalités qui complètent le travail dans SPSS Modeler.
Remarque :Watson.ai Studio est un service prérequis pour SPSS Modeler.
Créez un flux d'opérations ordonnées pour nettoyer et façonner les données. Visualisez les données pour identifier les problèmes et découvrir des perspectives.
Créez un flux avec un ensemble de connecteurs et d'étapes pour transformer et intégrer les données. Fournissez des informations enrichies et adaptées à votre entreprise.
Créez, exécutez et gérez rapidement des applications d'IA générative et d'apprentissage automatique avec des performances et une évolutivité intégrées.
La rubrique a-t-elle été utile ?
Oui
Non
Informations manquantes
Informations incorrectes
Informations confuses
Lien rompu
Autre
Précédent
0/1000
Envoyer un commentaire
Précédent
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.