0 / 0
Go back to the English version of the documentation
Rozwiązywanie problemów z programem SPSS Modeler
Last updated: 29 wrz 2023
Informacje dotyczące rozwiązywania problemów z programem SPSS Modeler

Informacje zawarte w tej sekcji zawierają informacje na temat rozwiązywania problemów, które mogą wystąpić w programie SPSS Modeler.

Uruchamianie wielu przepływów

Nie zaleca się uruchamiania wielu przepływów w tym samym czasie, używając tej samej nazwy użytkownika w ramach jednego projektu. Jeśli jest to konieczne, należy upewnić się, że limit pamięci (domyślnie 8 GiB) nie został przekroczony. Jeśli zbyt wiele przepływów jest uruchomionych w tym samym czasie pod tą samą nazwą użytkownika i projektem, program SPSS Modeler może wyczerpać pamięć i zwrócić komunikat o błędzie, taki jak Wykonanie zostało przerwane. Jeśli pojawi się komunikat o błędzie, wykonaj następujące kroki:

  • Poczekaj na zakończenie jednego lub większej liczby uruchomień przepływu
  • Zamknij karty przeglądarki, które zawierają pomyślnie zakończone uruchomienia przepływu
  • Czekaj przez 15 minut
  • Kliknij przycisk Uruchom w przypadku przerwanego przepływu, który zwrócił błąd. Jeśli w przepływie jest używane buforowanie, przed kliknięciem opcji Uruchomnależy opróżnić pamięć podręczną.

Nienazwane pola w migrowane strumienie

Nienazwane pola danych w programie SPSS Modeler mają nazwy field1, field2, ..., domyślnie. W programie SPSS Modeler w obszarze Cloud Pak for Datanienazane pola danych mają nazwy COLUMN1, COLUMN2, ..., domyślnie. Dlatego jeśli tworzony jest przepływ z pliku strumieniowego (.str), który został utworzony w programie SPSS Modeler i zawiera takie pola, dane wyjściowe będą się różnić. Aby obejść ten problem, można dodać skrypt, taki jak następujący po przepływie, który został utworzony z zaimportowanego strumienia:
# TO DO: run this script once after importing the stream into CP4D 
import modeler.api
stream = modeler.script.stream()

# map "COLUMN" to "field" for data sources without field names (csv without headers)
source_node = stream.findByID("...") # TO DO: provide ID of existing source node (csv file without headers)
filter_node = stream.findByID("...") # TO DO: provide ID of existing filter node (where field names are provided) 
new_node = stream.create("filter", 'new node') # creates new filter node between source and filter
stream.linkBetween(new_node, source_node, filter_node)

# change field names from "COLUMN1" to "field1" etc. 
for number in range(1,1000): # change max value if necessary
    old_name = 'COLUMN' + str(number)
    new_name = 'field' + str(number)
    new_node.setKeyedPropertyValue("new_name", old_name, new_name)

Węzły KDE z nieobsługiwaną wersją Python

Jeśli przepływ zawiera stary węzeł KDE, podczas jego uruchamiania może zostać wyświetlony błąd dotyczący modelu przy użyciu pakietu Python , który nie jest już obsługiwany. W takim przypadku usuń stary węzeł KDE i dodaj nowy.

Różnice w sposobie obsługi separatorów wierszy

Jeśli w wierszu rekordu danych nie ma separatora, wiersz ten zostanie usunięty w Cloud Pak for Data(Cloud Pak for Data). W komponencie pulpitu SPSS Modeler takie wiersze są odczytywaniejako puste wartości.

Wartości dla ważności predyktorów mogą różnić się między przepływami SPSS Modeler i strumieniami pulpitu SPSS Modeler

Aby uniknąć niespójności wyników na różnych platformach, do obliczenia ważności predyktorów w programie SPSS Modeler on Cloud Pak for Data jest używana nowa metoda losowego próbkowania. Powoduje to, że nowe wyniki dotyczące ważności predykcyjnego różnią się od pierwotnych wyników Predictive Importance w środowisku pulpitu SPSS Modeler , jeśli dane nie są równomiernie rozłożone. Losowanie losowe jest wyzwalane, gdy liczba rekordów przekracza 200. Pulpit programu SPSS Modeler zostanie zaktualizowany w przyszłej wersji w celu dopasowania ich do wyników w programie SPSS Modeler on Cloud Pak for Data.

Trudno jest stwierdzić różnicę między modelami wygenerowanymi na podstawie analizy tekstu

W środowisku roboczym Text Analytics, po kliknięciu opcji Generuj nowy model, w przepływie tworzony jest nowy model użytkowy. Jeśli generujesz wiele modeli, wszystkie mają taką samą nazwę, więc może być to trudne do odróżnienia. Jedną z rekomendacji jest użycie adnotacji w celu ułatwienia ich identyfikacji (należy kliknąć dwukrotnie model użytkowy, aby otworzyć jego właściwości, a następnie przejść do sekcji Adnotacje).

Niektóre wygenerowane wyniki modelu mogą się różnić w zależności od wcześniejszych wersji.

Począwszy od wersji 4.6, wygenerowane modele niektórych algorytmów mogą się różnić w porównaniu z poprzednimi wersjami, ponieważ niektóre ustawienia są teraz przypisywane dynamicznie na podstawie liczby procesorów w wdrożonej sekcji. Na przykład węzły KMeans-AS i węzły Drzewa losowe mogą generować nieco inne wygenerowane wyniki modelu rozpoczynające się od 4.6. Zmiana ta została dokonana w celu pełnego wykorzystania zasobów IT. Jeśli użytkownik ma bardziej wydajne środowisko wykonawcze, na przykład 8 procesorów, program SPSS Modeler wykrywa dodatkowe procesory i dostosowuje ustawienia, aby skorzystać z tych procesorów.

Generative AI search and answer
These answers are generated by a large language model in watsonx.ai based on content from the product documentation. Learn more