SPSS Modeler 플로우 작성

SPSS Modeler 무엇인가요?

SPSS Modeler 데이터 마이닝 애플리케이션으로, 시각적 인터페이스를 사용하여 데이터 마이닝 SPSS Modeler 흐름을 구축할 수 있습니다. 프로그래밍은 필요하지 않습니다. 데이터를 탐색하고, 결과를 모델링하고, 다양한 모델을 시도하고, 관계를 조사하여 유용한 정보를 찾기 위해 SPSS Modeler 흐름을 구축할 수 있습니다. SPSS Modeler 데이터 마이닝 작업을 안내하는 업계에서 입증된 방법론인 CRISP-DM(데이터 마이닝을 위한 산업 간 표준 프로세스) 방법론을 사용합니다.

플로우 편집기를 사용하여 데이터를 준비 또는 쉐이핑하거나, 모델을 훈련 또는 배치하거나, 데이터를 변환하고 Cloud Object Storage의 데이터베이스 테이블 또는 파일로 다시 내보냅니다. SPSS Modeler 플로우를 실행하면 용량 단위 시간이 사용됩니다. 자세한 내용은 Watson Studio 환경 컴퓨팅 사용량을 참조하세요.

SPSS Modeler 고급 분석을 사용하여 데이터에서 패턴을 발견하고 모델을 조정할 수 있습니다. 그런 다음 이러한 모델을 비즈니스에 배포하여 결과를 알 수 없는 새로운 데이터에 대한 예측을 수행할 수 있습니다. 이 모델은 데이터를 체계적으로 분석하고 비즈니스 인사이트와 기회를 찾을 수 있습니다. watsonx.ai Runtime 서비스에 액세스할 수 있는 경우 모델을 배포 공간으로 승격하여 실행할 수 있습니다.

데이터 형식

• 관계형: 관계형 데이터 소스의 테이블
• 테이블: .xls, .csv, .json또는 .sas와 같은 데이터 파일의 테이블. Excel 파일의 경우 첫 번째 시트만 읽습니다.
• 텍스트: 지원되는 관계형 테이블 또는 파일

지원되는 파일 유형에 대한 자세한 내용은 SPSS Modeler 지원되는 데이터 원본을 참조하십시오.

데이터 크기

임의

데이터 준비 방법

• 자동 데이터 준비 기능 사용
• 데이터를 조작하는 SQL문 작성
• 데이터 정리, 쉐이핑, 샘플링, 정렬 및 파생

데이터 분석 방법

• 여러 차트 옵션으로 데이터 시각화
• 텍스트 필드의 자연어 식별

모델 작성 방법

• 예측 모형 작성
• 40개 이상의 모델링 알고리즘 및 기타 여러 노드 중에서 선택
• 자동 모델링 기능 사용
• 시계열 또는 지리공간 데이터 모델링
• 텍스트 데이터 분류
• 텍스트 데이터의 개념 간 관계 식별

스크립팅

SPSS Modeler 스크립팅을 사용하여 수동으로 수행하기에는 매우 반복적이거나 시간이 많이 소요되는 작업을 자동화할 수 있습니다. 스크립트는 마우스나 키보드를 사용하는 사용자와 동일한 유형의 작업을 모두 수행할 수 있으며, R, Python 또는 Spark용 Python 스크립트를 작성할 수 있습니다.

다음은 스크립트를 사용하여 자동화할 수 있는 몇 가지 작업입니다:

• 흐름에서 실행 중인 노드에 특정 순서 지정하기
• 노드에 대한 속성 설정
• 모델 학습 흐름을 자동으로 가져와서 실행하고 해당 모델 테스트 흐름을 생성하는 프로세스를 설정합니다.

관련 서비스

Watsonx.ai 에서 다른 서비스에 액세스할 수 있는 경우 SPSS Modeler 함께 사용할 수 있습니다. 다음 서비스는 SPSS Modeler 작업을 보완하는 기능을 제공합니다.