サンプル・プロジェクトには、いくつかのデータ・セットとモデラー・フローのサンプルが含まれています。 サンプル・プロジェクトをまだお持ちでない場合は、チュートリアル・トピックを参照してサンプル・プロジェクトを作成してください。 次に、以下の手順でサンプルプロジェクトを開きます：

1. Cloud Pak for Dataの ナビゲーションメニュー「」から、Projects > View all Projetsをc選択します。
2. SPSS ModelerProjectをクリックします。
3. アセット」タブをクリックすると、データセットとモデラーフローが表示されます。

進捗状況を確認する

次の図は、プロジェクトのAssetsタブを示しています。 これで、このチュートリアルに関連するサンプルモデラーフローで作業する準備ができました。

先頭に戻る

小売販売促進にはいくつかのノードがある。 以下の手順に従って、データ・アセット、派生、およびタイプ・ノードを調べます：

データ資産ノード

1. AssetsタブからRetail Sales Promotionモデラーフローを開き、キャンバスがロードされるのを待ちます。
2. goods1n.csvノードをダブルクリックする。 このノードは、プロジェクト内のgoods1n.csvファイルを指すData Assetノードです。
3. ファイル形式のプロパティを確認します。
4. データのプレビューをクリックすると、完全なデータセットが表示されます。
5. 各レコードには以下の内容が含まれている：
   • Class.製品タイプ。
   • Cost.単価。
   • Promotion.特定のプロモーションで使われた金額のインデックス。
   • Before.プロモーション前の収益
   • After.プロモーション後の収益

   2 つの収益フィールド (Before と After) は、絶対項で表されています。 しかし、昇格後の（そしておそらくその結果としての）増収の方が、より有益な数字になりそうだ。

6. データプレビューとプロパティサイドペインを閉じる。

ノードの作成

1. Increase（Derive）ノードをダブルクリックします。 このノードは増収分の価値を導き出す。
2. 特に、「式」フィールドの設定を見直してください。このフィールドには、プロモーション前の売上高に対する増加額のパーセンテージを求める数式が含まれています：「(After - Before) / Before * 100.0。
3. データのプレビューをクリックすると、派生値を含むデータセットが表示されます。
4. 増加」欄に注目。

   製品の各クラスについて、収益増加と販売促進活動コスト増加の間には、ほとんど線型に近い関係が存在します。 したがって、ディシジョン・ツリーまたはニューラル・ネットワークを使用することで、他の使用可能なフィールドから、十分な精度で収益増加を予測できると考えられます。

5. データプレビューとプロパティサイドペインを閉じる。

タイプ・ノード

1. Define Types (Type)ノードをダブルクリックします。 このノードは、測定レベル（フィールドが含むデータのタイプ）などのフィールド・プロパティや、モデリングにおけるターゲットまたは入力としての各フィールドの役割を指定する。 測定の尺度は、フィールドのデータの種類を示すカテゴリーです。 ソース・データ・ファイルは3つの異なる測定レベルを使用する：
   • 連続フィールド（'Ageフィールドなど）は連続した数値を含む。
   • Educationフィールドのような）ノミナルフィールドは、2つ以上の明確な値（この場合は'Collegeまたは'High school）を持つ。
   • 順序フィールド（'Income levelフィールドなど）は、固有の順序を持つ複数の異なる値を持つデータ（この場合は'Low、'Medium、'High）を記述する。

     各フィールドについて、Typeノードは、各フィールドがモデリングで果たす役割を示す役割も指定する。 フィールド'Increaseのロールはターゲットに設定されている。 target」は、値を予測したいフィールドである。

     他のほとんどのフィールドでは、「役割」は「入力」に設定されている。 入力フィールドは、「predictors」と呼ばれることもあり、また、その値がモデリングアルゴリズムによってターゲットフィールドの値を予測するために使用されるフィールドである。

     Afterフィールドの役割はNoneに設定されているため、このフィールドはモデリングアルゴリズムでは使用されない。

2. オプション：データのプレビューをクリックすると、派生値を含むデータセットが表示されます。

進捗状況を確認する

次の図はTypeノードを示している。 これでモデルを生成し、比較する準備ができた。

先頭に戻る

フローは、ニューラル・ネットワークとディシジョン・ツリーを学習し、この収益増加の予測を行います。 以下の手順に従って、2つのモデルを生成する：

モデルの生成

1. Increase (Neural net)ノードをダブルクリックしてプロパティを確認する。
   1. Basicsセクションを展開すると、Multilayer Perceptron（多層パーセプトロン）がモデルタイプであることがわかります。 この特性は、ネットワークが隠れ層を通して予測子をターゲットにどのように接続するかを決定する。 多層パーセプトロンは、より複雑な関係を可能にするが、その代償として学習とスコアリングの時間が長くなる可能性がある。
   2. モデルオプションのセクションを展開して、評価と採点のプロパティを見る。
2. Increase（C&Rツリー）ノードをダブルクリックしてプロパティを表示します。
3. Run all ' をクリックし、モデルナゲットが生成されるのを待ちます。

進捗状況を確認する

次の画像はAnalysisノードからの出力です。

先頭に戻る