您需要一个项目来存储 SPSS Modeler 流程。 您可以使用现有项目或创建项目。

1. 从导航菜单"，选择项目 > 查看所有项目

2. 打开现有项目。 如果要使用新项目:

   1. 单击新建项目。

   2. 选择创建空项目。

   3. 输入项目的名称和可选描述。

   4. 选择现有的对象存储服务实例或者创建新的对象存储服务实例。

   5. 单击创建。

要获取更多信息或观看视频，请参阅创建项目。

To preview this task, watch the video beginning at 00:13.

本教程使用样本数据集。 执行以下步骤以将样本数据集添加到项目:

1. Access the UCI ML 资源库：慢性肾病数据集 in the 资源中心.

2. 单击 预览。 有三个重要因素可以帮助预测慢性肾脏疾病，作为这项分析的一部分: 测试对象的年龄，血清肌酐测试结果和糖尿病测试结果。 而该类数值表明患者是否曾被确诊为肾脏疾病。

3. 单击添加到项目。

4. 从列表中选择项目，然后单击添加。

5. 单击 查看项目。

6. 在项目的 " 资产 " 页面中，找到 UCI ML 存储库慢性肾脏疾病数据 Set.csv 文件。

To preview this task, watch the video beginning at 01:11.

遵循以下步骤在项目中创建 SPSS Modeler 流:

1. 点击新资产 > 以可视化流程构建模型。

2. 输入流的名称和描述。

3. 对于运行时定义，接受 缺省 SPSS Modeler S 定义。

4. 单击创建。 这将打开将用于创建流的流编辑器。

To preview this task, watch the video beginning at 01:31.

装入数据后，必须变换数据。 通过将变换器和估计量拖到画布上并将其连接到数据源来创建简单流。 使用选用板中的以下节点:

• 数据资产: 从项目装入 csv 文件

• 分区: 将数据划分为训练和测试段

• 类型: 设置数据类型。 使用它将 class 字段指定为 target 类型。

• C5.0: 分类算法

• 分析: 查看模型并检查其准确性

• 表: 预览具有预测的数据

执行以下步骤以创建流:

1. 添加数据资产节点:

   1. 从 导入 部分中，将 数据资产 节点拖到画布上。

   2. 双击 数据资产 节点以选择数据集。

   3. 选择 数据资产> UCI ML 存储库慢性肾脏病数据 Set.csv。

   4. 单击选择。

   5. 查看数据资产属性。

   6. 单击保存。

2. 添加分区节点:

   1. 从 字段操作 部分中，将 分区 节点拖到画布上。

   2. 将 数据资产 节点连接到 分区 节点。

   3. 双击 Partition 节点以查看其属性。 缺省分区将一半数据用于训练，另一半数据用于测试。

   4. 单击保存。

3. 添加 "类型" 节点:

   1. 从 字段操作 部分中，将 类型 节点拖到画布上。

   2. 将 Partition 节点连接到 Type 节点。

   3. 双击 类型 节点以查看其属性。 "类型" 节点指定每个字段的测量级别。 此源数据文件使用四个不同的测量级别: "连续" ， "分类" ， "名义" ， "有序" 和 "标志"。

   4. 搜索 class 字段。 对于每个字段，角色指示每个字段在建模中扮演的部分。 将 class 角色 更改为 目标 -要预测的字段。

   5. 单击保存。

4. 添加 C5.0 分类算法节点:

   1. 从 建模 部分中，将 C5.0 节点拖到画布上。

   2. 将 Type 节点连接到 C5.0 节点。

   3. 双击 C5.0 节点以查看其属性。 缺省情况下， C5.0 算法会构建决策树。 C5.0 模型通过根据提供最大信息增益的字段拆分样本来工作。 第一次拆分所定义的每个子样本然后再次拆分，通常基于不同的字段，该过程会重复，直到子样本无法再拆分。 最后，将重新检查最低级别的拆分，并且将除去那些对模型的价值没有显着贡献的拆分。

   4. 开启 使用此节点中定义的设置。

   5. 对于 目标，选择 class。

   6. 在 输入 部分中，单击 添加列。

      1. 清除 字段名旁边的复选框。

      2. 选择 age， sc和 dm。

      3. 单击确定。

   7. 单击保存。

To preview this task, watch the video beginning at 04:20.

现在，您已设计流，请执行以下步骤来运行流，并检查树形图以查看决策点:

1. 右键单击 C5.0 节点，然后选择 运行。 运行流会在画布上生成新的模型块。

2. 右键单击模型块，然后选择 查看模型 以查看模型详细信息。

3. 查看提供模型摘要的 模型信息 。

4. 单击 排名靠前的决策规则。 一个表显示了一系列规则，这些规则用于根据不同输入字段的值将各个记录分配给子节点。

5. 单击 特征重要性。 图表显示每个预测变量在估计模型中的相对重要性。 由此可以看出，血清肌酐很容易是最重要的因素，糖尿病是下一个最重要的因素。

6. 单击 树形图。 同一模型以树的形式显示，每个决策点都有一个节点。

   1. 将鼠标悬停在顶部节点上，这将提供数据集中所有记录的摘要。 数据集中几乎有 40% 的病例被归类为未确诊肾脏疾病。 树可以提供有关哪些因素可能导致的其他线索。

   2. 请注意源于顶部节点的两个分支，这指示由 血清肌酐进行拆分。

      • 查看显示血清肌酐大于 1.25的记录的分支。 在这种情况下，其中 100% 的患者都有阳性肾脏疾病诊断。

      • 查看显示血清肌酐小于或等于 1.25的记录的分支。 其中几乎 80% 的患者没有进行阳性肾脏疾病诊断，但几乎 20% 的血清肌酐较低的患者仍被诊断为肾脏疾病。

   3. 请注意源自 sc<=1.250的分支，该分支由 糖尿病拆分。

      • 复查显示低血清肌酐 (sc<=1.250) 和确诊糖尿病 (dm = yes) 患者的分支。 这些患者 100% 也被诊断为肾脏疾病。

      • 复查显示低血清肌酐 (sc<=1.250) 和无糖尿病 (dm = no) 患者的分支， 85% 未被诊断为肾脏病，但其中 15% 仍被诊断为肾脏病。

   4. 请注意源自 dm = no的分支，由最后一个有效因子 age分割。

      • Review the branch that shows patients 14 years old or younger (age <= 14). 这一分支显示， 75% 的低血清肌酐和无糖尿病的年轻患者有患肾脏疾病的风险。

      • 复查显示超过 14 岁 (年龄> 14 岁) 的患者的分支。 这一分支显示，只有 12% 的 14 岁以上血清肌酐低，无糖尿病的患者有患肾脏疾病的风险。

   5. 关闭模型详细信息。

To preview this task, watch the video beginning at 07:24.

执行以下步骤以使用 "分析" 和 "表" 节点来评估模型:

1. 从 输出 部分中，将 分析 节点拖到画布上。

2. 将 模型 块连接到 分析 节点。

3. 右键单击 分析 节点，然后选择 运行。

4. 在 " 输出 " 面板中，打开 分析，该分析显示模型正确预测了几乎 95% 的时间进行肾脏疾病诊断。 关闭 分析。

5. (可选) 在工具栏上，单击 下载 图标以将模型保存为 .str 文件。

6. 右键单击 分析 节点，然后选择 将分支另存为模型。

   1. 对于 模型名称，输入 Kidney Disease Analysis。

   2. 单击保存。

   3. 单击关闭。

7. 从 输出 部分中，将 表 节点拖到画布上。

   1. 将 模型 块连接到 表 节点。

   2. 右键单击 表 节点，然后选择 预览数据。

   3. 当 "预览" 显示时，滚动到最后两列。 $C-Class 列包含肾脏疾病的预测， $CC-Class 列指示该预测的置信度分数。

   4. 关闭 预览。

To preview this task, watch the video beginning at 09:10.

最后，执行以下步骤以部署此模型并使用新数据预测结果。

1. 返回到项目的 资产 选项卡。

2. 单击 模型 部分，然后打开 肾脏疾病分析 模型。

3. 单击 "推广到部署空间"图标 "。

4. 选择现有部署空间。 如果您没有部署空间，那么可以创建新的部署空间:

   1. 提供空间名称。

   2. 选择存储服务。

   3. 选择机器学习服务。

   4. 单击创建。

   5. 单击关闭。

5. 选择 提升后转至空间中的模型。

6. 单击提升。

7. 当模型显示在部署空间内时，单击 新建部署。

   1. 选择 联机 作为 部署类型。

   2. 指定部署名称。

   3. 单击创建。

8. 部署完成后，单击部署名称以查看部署详细信息页面。

9. 转至 测试 选项卡。 您可以通过两种方式从部署详细信息页面测试已部署模型：使用表单测试或使用 JSON 代码测试。

10. 单击 JSON 输入，然后复制以下测试数据并将其粘贴以替换现有 JSON 文本:

    {
       "input_data": [
          {
             "fields": [
                         "age",
                         "bp",
                         "sg",
                         "al",
                         "su",
                         "rbc",
                         "pc",
                         "pcc",
                         "ba",
                         "bgr",
                         "bu",
                         "sc",
                         "sod",
                         "pot",
                         "hemo",
                         "pcv",
                         "wbcc",
                         "rbcc",
                         "htn",
                         "dm",
                         "cad",
                         "appet",
                         "pe",
                         "ane",
                         "class"
             ],
             "values": [
                        [
                        "62",
                         "80",
                         "1.01",
                         "2",
                         "3",
                         "normal",
                         "normal",
                         "notpresent",
                         "notpresent",
                         "423",
                         "53",
                         "1.8",
                         "",
                         "",
                         "9.6",
                         "31",
                         "7500",
                         "",
                         "no",
                         "yes",
                         "no",
                         "poor",
                         "no",
                         "yes",
                         "ckd"
                         ]
             ]
          }
       ]
    }
    

11. 单击 预测 以预测 62 岁的糖尿病患者和血清肌酐比率 1.8 是否可能诊断为肾脏疾病。 由此产生的预测表明，此患者进行肾脏疾病诊断的概率很高。