SPSS Modeler bietet Modellierungsalgorithmen, die aus dem maschinellen Lernen, der künstlichen Intelligenz und der Statistik stammen. Mit diesen Modellierungsalgorithmen können Sie Ihre Daten analysieren und neue Geschäftserkenntnisse gewinnen. Mit SPSS Modeler können Sie schnell Vorhersagemodelle entwickeln und diese in Geschäftsabläufen einsetzen.
Was ist SPSS Modeler?
SPSS Modeler ist eine Data-Mining-Anwendung, mit der Sie mithilfe der visuellen Schnittstelle SPSS Modeler erstellen können. Eine Programmierung ist nicht erforderlich. Sie können SPSS Modeler erstellen, um Ihre Daten zu untersuchen, Ergebnisse zu modellieren, verschiedene Modelle auszuprobieren und Beziehungen zu untersuchen, um nützliche Informationen zu finden. SPSS Modeler verwendet die branchenübergreifende Standardprozessmethode für Data Mining (CRISP-DM), eine in der Branche bewährte Methode zur Steuerung Ihrer Data Mining-Aktivitäten.
Mit dem Ablaufeditorkönnen Sie Daten vorbereiten oder formen, ein Modell trainieren oder bereitstellen oder Daten transformieren und zurück in eine Datenbanktabelle oder eine Datei in Cloud Object Storageexportieren. Die Ausführung eines SPSS Modeler -Datenflusses verbraucht Kapazitätseinheitenstunden. Weitere Informationen finden Sie unter Computernutzung in Watson Studio.
Sie können die erweiterten Analysefunktionen von SPSS Modeler nutzen, um Muster in Ihren Daten zu entdecken und Modelle zu optimieren. Sie können diese Modelle dann in Ihrem Unternehmen einsetzen, um Vorhersagen für neue Daten mit unbekannten Ergebnissen zu treffen. Die Modelle können Daten systematisch analysieren und Geschäftseinblicke und -möglichkeiten finden. Wenn Sie Zugriff auf den Dienst watsonx.ai Runtime haben, können Sie Modelle in Bereitstellungsbereiche verschieben, um sie auszuführen.
- Datenformate
- Relational: Tabellen in relationalen Datenquellen
- Tabellarisch: Tabellen in Datendateien wie .xls, .csv, .jsonoder .sas. Bei Excel-Dateien wird nur das erste Arbeitsblatt gelesen.
- Text: In den unterstützten relationalen Tabellen oder Dateien
- Datenmenge
- Beliebig
- Methoden für die Datenvorbereitung
- Sie können Funktionen für die automatische Datenaufbereitung einsetzen.
- Sie können SQL-Anweisungen schreiben, um Daten zu bearbeiten.
- Sie können Daten bereinigen, formen, sortieren und ableiten.
- Methoden für die Datenanalyse
- Sie können Daten mit vielen Diagrammoptionen visualisieren.
- Sie können die natürliche Sprache eines Textfeldes ermitteln.
- Methoden für die Modellerstellung
- Sie können Vorhersagemodelle erstellen.
- Zur Auswahl stehen über 40 Modellierungsalgorithmen und viele weitere Knoten.
- Sie können Funktionen für die automatische Modellierung einsetzen.
- Sie können Zeitreihen oder Geodaten modellieren.
- Sie können Textdaten klassifizieren.
- Sie können Beziehungen zwischen den Konzepten in Textdaten ermitteln.
Scripts
Sie können die Skripterstellung in SPSS Modeler verwenden, um Aufgaben zu automatisieren, die sich stark wiederholen oder zeitaufwändig sind, wenn sie manuell ausgeführt werden. Skripte können dieselben Arten von Aktionen ausführen wie Benutzer mit einer Maus oder einer Tastatur, und Sie können Skripte in R, Python oder Python für Spark schreiben.
Im Folgenden sind einige der Aufgaben aufgeführt, die Sie mit Skripten automatisieren können:
- Auferlegung einer bestimmten Reihenfolge für laufende Knoten in einem Fluss
- Eigenschaften für einen Knoten festlegen
- Richten Sie einen Prozess ein, der automatisch einen Modell-Trainingsablauf übernimmt, ausführt und den entsprechenden Modell-Testablauf erstellt.
Relevante Services
Wenn Sie Zugang zu anderen Diensten auf Watsonx.ai haben, können Sie diese mit SPSS Modeler nutzen. Die folgenden Dienste bieten Funktionen, die die Arbeit in SPSS Modeler ergänzen.
Service- | Funktionsübersicht von |
---|---|
Data Refinery | Hiermit können Sie einen Ablauf mit einer festgelegten Reihenfolge von Operationen zum Bereinigen und Formen von Daten erstellen. Durch eine Visualisierung von Daten können Sie Probleme feststellen und Erkenntnisse gewinnen. |
RStudio® | Arbeit mit R-Notebooks und Skripten in einer integrierten Entwicklungsumgebung. |
watsonx.ai Runtime | Schnelles Erstellen, Ausführen und Verwalten von generativen KI- und Machine-Learning-Anwendungen mit integrierter Leistung und Skalierbarkeit. |