Il progetto campione contiene diversi set di dati e flussi di modellazione di esempio. Se non si dispone già del progetto di esempio, consultare l'argomento Tutorial per creare il progetto di esempio. Seguite quindi i passaggi seguenti per aprire il progetto campione:

1. In Cloud Pak for Data, dal menu di navigazione ', scegliere Progetti > Visualizza tutti i progetti.
2. Fare clic su ProgettoSPSS Modeler.
3. Fare clic sulla scheda Assets per visualizzare i set di dati e i flussi del modellatore.

Controllare i progressi

L'immagine seguente mostra la scheda Assets del progetto. Ora si è pronti a lavorare con il flusso del modellatore di esempio associato a questa esercitazione.

torna all'inizio

il flusso del modellatore Fare offerte ai clienti - Autoapprendimento comprende diversi nodi. Per esaminare i nodi Data Asset e Filler, procedere come segue:

1. Dalla scheda Attività, aprite il flusso del modellatore Fare offerte ai clienti - Autoapprendimento e attendete il caricamento dell'area di disegno.
2. Fare doppio clic sul nodo pm_customer_train1.csv Questo nodo è una risorsa dati che punta al file pm_customer_train1.csv del progetto.
3. Esaminare il 'Proprietà del formato del file.
4. Facoltativo: Fare clic su Anteprima dati per visualizzare l'intero set di dati.
5. Fare doppio clic sul nodo Riempimento.
   I nodi di riempimento vengono utilizzati per sostituire i valori dei campi e modificare la memorizzazione. È possibile scegliere di sostituire i valori in base a una condizione CLEM specificata, ad esempio @BLANK(FIELD). In alternativa, si può scegliere di sostituire tutti i valori null o vuoti con un valore specifico. I nodi di riempimento sono spesso usati con il nodo Tipo per sostituire i valori mancanti.
   Nella sezione Riempi campi, è possibile specificare i campi del set di dati i cui valori devono essere esaminati e sostituiti. In questo caso, la colonna 'campaign viene specificata insieme alla selezione Sempre nella sezione Sostituisci.
6. Fare clic su Annulla.

Controllare i progressi

L'immagine seguente mostra il nodo Filler. Ora si è pronti a esaminare i nodi Tipo e Riclassifica.

torna all'inizio

Per esaminare i nodi Tipo e Riclassifica, procedere come segue:

1. Fare doppio clic sul nodo Tipo per visualizzarne le proprietà.
   Con il nodo Tipo, è possibile indicare i tipi di campi utilizzati e il modo in cui vengono utilizzati per prevedere i risultati. Si noti che il ruolo dei campi 'campaign e 'response è impostato su Target. I target specificati sono i campi su cui si desidera basare le previsioni. La misura è impostata su Flag per il campo 'response.
2. Fare clic su Leggi valori.

   

3. Fare clic su Salva.

   Poiché i dati del campo della campagna vengono visualizzati come un elenco numerico (1, 2, 3 e 4), è possibile ricodificare i campi ed assegnare titoli più significativi.

4. Fare doppio clic sul nodo Riclassifica per visualizzarne le proprietà.
5. Nella sezione Riclassifica in, selezionare il campo Esistente.
6. Quindi, nella sezione Riclassifica campo, selezionare Campagna.
7. Fare clic su Ottieni valori. I valori della campagna vengono aggiunti alla colonna " ORIGINAL VALUE.
8. Si noti che nella sezione Valori della colonna 'NEW VALUE ci sono quattro righe:
   • Mortgage
   • Car loan
   • Savings
   • Pension
9. Fare clic su Salva.

Controllare i progressi

L'immagine seguente mostra il nodo Riclassifica. Ora si è pronti a esplorare il nodo SLRM.

torna all'inizio

Seguire questi passaggi per esplorare il nodo SLRM:

1. Fare doppio clic sul nodo campagna (SLRM) per visualizzarne le proprietà.
2. Selezionare campaign come Campo Obiettivo e response per il Campo Risposta obiettivo.
3. In Opzioni modello, alla voce Numero massimo di previsioni per record, ridurre il numero a 2. Ciò significa che per ogni cliente vengono identificate due offerte che hanno la massima probabilità di essere accettate.
4. Assicurarsi che sia selezionata l'opzione Tenere conto dell'affidabilità del modello.
5. Fare clic su Salva.

Controllare i progressi

L'immagine seguente mostra il flusso. Ora si è pronti a generare il modello.

torna all'inizio

Per generare il modello, procedere come segue:

1. Passare il mouse sul nodo della campagna (SLRM) e fare clic sull'icona Esegui '.
2. Nel riquadro Output e modelli, fare clic sul modello di campagna per visualizzare i risultati.

   La vista iniziale mostra la precisione stimata delle previsioni per ciascuna offerta. È inoltre possibile fare clic su Importanza predittore per visualizzare l'importanza relativa di ciascun predittore nella stima del modello oppure su Associazione a risposta per visualizzare la correlazione di ciascun predittore con la variabile obiettivo.

   

3. Per passare da una all'altra delle quattro offerte per le quali esistono previsioni, utilizzare il menu Visualizza.
4. Ritornare al flusso.

Controllare i progressi

L'immagine seguente mostra il flusso. Ora si è pronti a sperimentare altri nodi Data Asset.

torna all'inizio

Seguite questi passaggi per sperimentare altri nodi Data Asset:

1. Scollegare il nodo pm_customer_train1.csv dal nodo Filler.
2. Collegare il nodo pm_customer_train2.csv al nodo Filler.
3. Fare doppio clic sul nodo Campagna (SLRM) e in Opzioni di costruzione assicurarsi che sia selezionato Continua la formazione del modello esistente.
4. Fare clic su Salva.
5. Eseguire il flusso per rigenerare il nugget del modello. Passare il mouse sul nodo della campagna (SLRM) e fare clic sull'icona Esegui '.
6. Nel riquadro Output e modelli, fare clic sul modello di campagna per visualizzare i risultati. Il modello ora mostra la stima rivista della precisione delle previsioni per ciascuna offerta.

   

7. Scollegare il nodo pm_customer_train2.csv dal nodo Filler.
8. Collegare il nodo pm_customer_train3.csv al nodo Filler.
9. Eseguire il flusso per rigenerare il nugget del modello. Passare il mouse sul nodo della campagna (SLRM) e fare clic sull'icona Esegui '.
10. Nel riquadro Output e modelli, fare clic sul modello di campagna per visualizzare i risultati.

    

    Il modello ora mostra la precisione stimata finale delle previsioni per ciascuna offerta. Come è possibile notare, la precisioni media è stata leggermente ridotta aggiungendo le ulteriori origini dati. Tuttavia, questa fluttuazione è minima e potrebbe essere attribuita a lievi anomalie nei dati disponibili.

11. Passare il mouse sul nodo Tabella e fare clic sull'icona Esegui '.
12. Nel riquadro Output e modelli, fare clic sul modello Tabella per visualizzare i risultati.

    

Le previsioni della tabella mostrano quali offerte un cliente è più propenso ad accettare e la probabilità che accetti tale offerta, in base ai dati di ciascun cliente. Ad esempio, nella prima riga, c'è solo una percentuale di fiducia del 13.2(indicata dal valore " 0.132 nella colonna " $SC-campaign-1 ) sul fatto che un cliente che ha precedentemente sottoscritto un prestito auto accetti una pensione se gli viene offerta. Tuttavia, la seconda e la terza riga mostrano altri due clienti che hanno contratto un prestito per l'acquisto di un'auto; nei loro casi, c'è una fiducia del 95.7 che loro, e altri clienti con storie simili, aprano un conto di risparmio se gli viene offerto, e una fiducia superiore all'80% che accettino una pensione.

Le spiegazioni delle basi matematiche dei metodi di modellazione utilizzati in SPSS Modeler sono disponibili nella Guida agli algoritmi diSPSS Modeler.

Questi risultati si basano solo sui dati di addestramento. Per valutare la generalizzazione del modello ad altri dati del mondo reale, si usa un nodo Partition per tenere un sottoinsieme di record a scopo di test e convalida.

Controllare i progressi

L'immagine seguente mostra il flusso.

torna all'inizio