数据挖掘阶段

CRISP-DM 方法分为以下几个阶段。

业务理解

在这一阶段，应尽可能深入了解数据挖掘的业务目标。 与利益相关者会面，确定您使用 SPSS Modeler 的工作如何解决业务目标或问题。

更多信息，请参阅了解和准备数据。

数据理解

在 SPSS Modeler 中建立流程之前，您需要收集和了解您的数据。 花时间了解数据的结构、关系和模式。

更多信息，请参阅了解和准备数据。

数据准备

在 SPSS Modeler 中训练模型之前，您需要准备好数据。 花时间处理您的数据，以便优化数据挖掘的使用。

更多信息，请参阅了解和准备数据。

建模

建立 SPSS Modeler 流程来探索数据、尝试不同的模型并研究各种关系，从而找到有用的信息。

更多信息，请参阅构建流程和模型。

部署

在建立和训练预测模型后，如果有 watsonx.ai Runtime 服务，您可以将其推广到 watsonx.ai Runtime 。

有关详细信息，请参阅推广 SPSS Modeler 流程和模型。

评估

评估模型及其预测的质量。 例如，您可以在流程中添加分析节点，以评估模型预测的准确性。 您还可以使用 " 评估 "节点来比较预测模型并找出最佳模型。

处理项目和数据资产

您使用 SPSS Modeler 的所有工作都是在一个项目中完成的。 一个项目包含所有数据资产和数据流。

• 有关项目的更多信息，请参阅在项目中工作
• 有关将数据添加到项目以在流程中使用的更多信息，请参阅将数据添加到项目。

您可以将 SPSS Modeler 连接到数据库等数据源，以便在 SPSS Modeler 中更轻松地访问数据。

有关连接数据的更多信息，请参阅支持的数据源

您可以导入在 SPSS Modeler Subscription 或 SPSS Modeler 客户端中创建的数据流 ( .str )。 如果导入的流程包含一个或多个导入或导出节点，则会在打开流程时提示您转换节点。

更多信息，请参阅导入 SPSS Modeler 数据流。

脚本编制

您可以在 SPSS Modeler 中使用脚本来自动执行任务。 您可以使用 R、 Python 或 Python for Spark 以及表达式处理控制语言（CLEM）编写脚本。 CLEM 是一种用于分析和操作数据流的语言。

更多信息，请参阅脚本和自动化。