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. watsonx」で、ナビゲーションメニュー「」から「プロジェクト」＞「すべてのプロジェクトを表示」を選択する。
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

スクリーニング予測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・アセットと タイプ・ノードを調べます：

1. アセットタブから、スクリーニング予測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. customer_dbase.csvノードをダブルクリックします。 このノードは、プロジェクト内のcustomer_dbase.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. オプション：完全なデータセットを表示するには、データのプレビューをクリックします。
5. Typeノードをダブルクリックする。 これらの各フィールドのRoleの値に注目してほしい：
   • response_01は Targetに設定されている
   • response_02、response_03、およびcustidはNoneに設定される
   • 他のすべてのフィールドはInputに設定されている

   

6. 「値の読み込み」をクリックします。
7. オプション：データ・プレビューをクリックすると、タイプ・プロパティが適用されたデータ・セットが表示されます。
8. 保存 をクリックします。

進捗状況を確認する

次の図はTypeノードを示している。 これでモデルを作る準備ができた。

先頭に戻る

以下の手順でモデルを作成する：

1. response_01(Feature Selection)ノードをダブルクリックして、プロパティを表示します。
2. Build Options（ビルド・オプション）セクションを展開すると、フィールドのスクリーニングや除外に使用される定義済みのルールや基準が表示されます。

   

3. response_01（フィーチャー選択）ノードにカーソルを合わせ、実行アイコン「」をクリックする。
4. 出力とモデルペインで、response_01という名前のモデルをクリックして、モデルを表示します。 結果は、予測に役立つと思われる分野を重要度順に並べたものである。 これらのフィールドを検証して、この後のモデル化セッションに使用するフィールドを決定することができます。

   特徴選択なしで結果を比較するには、フローで2つのCHAIDモデリング・ノードを使用する必要があります：1つは特徴選択を使用し、もう1つは使用しません。

5. With All Fields (CHAID)ノードをダブルクリックしてプロパティを表示します。
   1. Objectives（目的）」で、「Build new model（新しいモデルを構築する）」と「Create standard model（標準モデルを作成する）」が選択されていることを確認します。
   2. Basicセクションを展開し、Maximum Tree Depthが Customに設定され、レベル数が'5に設定されていることを確認する。
6. 保存 をクリックします。
7. Using Top 10 Fields (CHAID)ノードをダブルクリックして、プロパティを表示します
   1. With All Fields (CHAID)ノードと同じプロパティを確認する。
   2. 保存 をクリックします。

進捗状況を確認する

次の図はModelingノードを示している。 これでフローを実行し、結果を見る準備ができた。

先頭に戻る

以下の手順に従ってフローを実行し、特徴選択を行った場合と行わなかった場合の2つのモデルの結果を表示します：

1. すべてを実行する ' をクリックする。 実行しながら、各モデルが構築し終わるのにかかる時間に注目してください。
2. Outputs and models領域で、With All fieldsという名前のモデルをクリックして、結果を表示します。
   1. ツリーダイアグラムのページをクリックします。
   2. ズームアウトしてツリー図の範囲を見る。
   3. モデルの詳細ウィンドウを閉じます。
3. Outputs and models（出力とモデル）ペインで、Using Top 10 fields（トップ10フィールドを使用）という名前の modelrun をクリックして、結果を表示します。
   1. ツリーダイアグラムのページをクリックします。
   2. ズームアウトしてツリー図の範囲を見る。

   分かりにくい場合もありますが、最初のモデルよりも 2 番目のモデルの方が高速で実行されます。 このデータセットは比較的小さいので、実行時間の差はおそらく数秒であろう。しかし、より大きな実世界のデータセットでは、その差は数分、あるいは数時間と顕著になるかもしれない。 特徴選択を使えば、処理時間を劇的に短縮できるかもしれない。

   その代わりに、ツリー構築アルゴリズムを使って特徴選択を行い、ツリーが最も重要な予測因子を識別できるようにすることもできる。 実際に、CHAID アルゴリズムはこの目的のために使用されることが多く、1 レベルずつツリーを成長させてツリーの深度と複雑性をコントロールすることも可能です。 しかし、Feature Selectionノードの方が高速で使いやすい。 これは1つの速いステップですべての予測因子をランク付けし、最も重要な分野を素早く特定するのに役立ちます。

進捗状況を確認する

次の図は、このモデルによるツリー図である。

先頭に戻る