Der Arbeitsablauf in SPSS Modeler basiert auf der Methodik des Cross-Industry Standard Process for Data Mining (CRISP-DM). Diese Methode bettet Ihre Arbeit in SPSS Modeler in ein größeres Projekt mit mehreren Phasen ein. Die Phasen, in denen Sie in SPSS Modeler arbeiten, verwenden Projekte zur Verwaltung Ihrer Arbeit und Ihrer Ressourcen.
Abb. 1. Phasen für SPSS Modeler
Phasen der Datengewinnung
Copy link to section
Die CRISP-DM-Methode gliedert sich in folgende Phasen.
Untersuchung der Geschäftsziele
Versuchen Sie in dieser Phase, so viel wie möglich über die Unternehmensziele für Data Mining zu erfahren. Treffen Sie sich mit Interessenvertretern und legen Sie fest, wie Ihre Arbeit mit SPSS Modeler Geschäftsziele oder Probleme angeht.
Sie müssen Ihre Daten sammeln und verstehen, bevor Sie in SPSS Modeler Datenflüsse erstellen. Nehmen Sie sich die Zeit, die Datenstruktur, Beziehungen und Muster in Ihren Daten zu verstehen.
Sie müssen Ihre Daten vorbereiten, bevor Sie Modelle in SPSS Modeler trainieren. Nehmen Sie sich die Zeit, Ihre Daten so aufzubereiten, dass sie für die Verwendung im Data Mining optimiert sind.
Erstellen Sie SPSS Modeler, um Ihre Daten zu untersuchen, verschiedene Modelle auszuprobieren und Beziehungen zu untersuchen, um nützliche Informationen zu finden.
Nachdem Sie ein Prognosemodell erstellt und trainiert haben, können Sie es auf watsonx.ai Runtime veröffentlichen, wenn Sie den Dienst watsonx.ai Runtime nutzen.
Bewerten Sie die Qualität Ihrer Modelle und ihrer Vorhersagen. Sie können zum Beispiel Analyseknoten zu Ihren Abläufen hinzufügen, um zu beurteilen, wie genau die Vorhersagen Ihres Modells sind. Sie können auch einen Auswertungsknoten verwenden, um Vorhersagemodelle zu vergleichen und das beste Modell zu finden.
Arbeiten mit Projekten und Datenassets
Copy link to section
Die gesamte Arbeit mit SPSS Modeler findet innerhalb eines Projekts statt. Ein Projekt enthält alle Ihre Datenbestände und -ströme.
Sie können einen Stream ( .str ) importieren, der in SPSS Modeler Subscription oder SPSS Modeler Client erstellt wurde. Wenn die importierte Strömung einen oder mehrere Import- oder Exportknoten enthält, werden Sie beim Öffnen der Strömung aufgefordert, die Knoten zu konvertieren.
Sie können die Skripterstellung in SPSS Modeler verwenden, um Aufgaben zu automatisieren. Sie können Skripte in R, Python oder Python für Spark und der Control Language for Expression Manipulation (CLEM) schreiben. CLEM ist eine Sprache zur Analyse und Manipulation der Datenströme in Ihren Abläufen.