스코어링을 위한 SPSS 예측 분석 알고리즘

PMML 준수 스코어링 엔진은 다음 항목을 지원합니다.

• 기준선 모델, 성과표 모델, 순서 모델, 텍스트 모델을 제외한, 다양한 벤더에서 생성된 PMML 준수 모델(4.2 이하 모델). 지원되는 모델의 목록은 Data Mining Group(DMG) 웹 사이트를 참조하십시오.
• IBM SPSS 제품에 의해 생성된 비PMML 모델: 판별 및 베이지안 네트워크
• 완전 PMML 4.2 변환

다양한 유형의 모델은 다양한 스코어링 결과를 생성할 수 있습니다. 예를 들어,

• 분류 모델(범주형 목표가 있는 모델: 베이지안 네트워크, 일반 회귀, 마이닝, 나이브 베이즈, k-최근접 이웃, 신경망, 회귀, 규칙 세트, 서포트 벡터 머신, 트리)은 다음 항목을 생성합니다.
  • 예측 값
  • 확률
  • 신뢰도 값
• 회귀 모델(연속형 목표가 있는 모델: 일반 회귀, 마이닝, k-최근접 이웃, 신경망, 회귀, 트리)은 예측 값을 생성합니다. 일부는 표준 오차 또한 생성합니다.
• Cox 회귀(일반 회귀의)는 예측 생존 확률 및 누적 위험 값을 생성합니다.
• 트리 모델은 노드 ID 또한 생성합니다.
• 클러스터링 모델은 클러스터 ID 및 클러스터 선호도를 생성합니다.
• 이상 항목 감지(클러스터링으로 표시됨)는 이상 항목 지수 및 최상위 이유를 생성합니다.
• 연관 모델은 최상위 일치 규칙의 결과, 규칙 ID 및 신뢰도를 생성합니다.

Python 예 코드:

from spss.ml.score import Score

with open("linear.pmml") as reader:
    pmmlString = reader.read()

score = Score().fromPMML(pmmlString)
scoredDf = score.transform(data)
scoredDf.show()

상위 주제: SPSS 예측 분석 알고리즘