SPSS Modeler 18 中文免费版

SPSS Modeler 18是由IBM推出的一款专业预测统计和分软件，支持访问各种类型的数据库，可提供各种高级算法和技术，包括文本分析、实体分析、决策管理与优化等操作，并拥有强大的自动数据建模和地理空间分析功能，小编为大家带来的是最新版本。

软件特色

1、访问各种类型的数据

借助 SPSS Modeler，您可以使用各种分析技术访问数据源， 如数据仓库、数据库、Hadoop 分布或平面文件，以便从您 的数据中发现隐含的模式。这些统计技术使用历史数据来预 测当前状况或未来事件。这些统计技术还包括数据访问、数 据准备、数据建模和交互可视化功能。借助准备和建模自动 化流程，该产品适用于各种分析能力。

2、通过一系列技术拓宽您的分析范围

借助 SPSS Modeler，您的分析师可利用设计用于处理简单 的描述性分析问题、最复杂的优化问题以及这两者之间的一 切问题的单一平台，解决业务问题。SPSS Modeler 具有超 出当今分析师标准分析要求的功能。一系列模型以及自动建 模和数据准备、文本分析、实体分析和社交网络分析功能， 可以帮助您处理最复杂的问题。

3、一系列模型及算法

分类算法-根据历史数据和技术进行预测。分段算法-利用自动聚类、异常检测和聚类神经网络技术 将工作人员进行分组或检测不寻常的模式。关联算法-发现先验、CARMA 和序列关联性的关联、链 接或序列。时间系列和预测-随着时间的推移，利用统计建模技术生成一个或多个系列的预测。可扩展性与 R 编程语言-应用转型，用脚本进行分析， 并用 R 编程语言汇总或生成文本和图形输出。

4、数据准备和操作

SPSS Modeler 使数据准备自动化，以简化流程并帮助您确 保您的数据格式为便于分析的最好格式。自动化任务包括进 行分析数据和识别修复工具，筛选字段，必要时派生新属性， 并通过智能筛选技术提高性能。

5、自动数据建模

借助 SPSS Modeler 的自动建模功能，非分析师人员无需 专业技能即可迅速构建准确的模型。此外，先进的预测建 模功能可支持专业分析人员创建最复杂的流。

6、地理空间分析

借助 SPSS Modeler，您可探索与某个位置有关的各个数 据元素之间的关系并对您的数据进行地理空间分析，以发掘在图表或表格中不可见的洞察力。通过空间挖掘，您可 利用 ESRI shape file 文件轻松挖掘地理空间数据。通过分 析空间数据和非空间数据，可以提高整个模型的准确性， 且您可以获取对人员和事件的更深入洞察力。

7、文本分析

借助可定制 的特定行业文本分析包，您可以对正确的上下文里的除首 字母缩写、表情符号和俚语之外的相关术语和词组进行分 析。交互式图表可帮助您探索和显示文本数据和模式，以 便进行快速分析。

8、实体分析

借助 SPSS Modeler 的实体分析功能，您可非常轻松高效地 将身份、行为和行动数据与各自的实体实时或批量关联起来。 您还可适时合并记录或将它们分离开来。结果会怎样呢?您 的组织将具有可帮助提高模型质量的关联企业数据。

9、社交网络分析

SPSS Modeler 可提供相关社交网络分析功能，将与关系有 关的信息转为显示个人和团队的社会行为的关键业绩指标。 您可以利用这些指标来识别影响网络中他人行为的社交领导 者。结合这些结果与其他措施，您可以创建全面的个人资料 文件，并以此作为您的预测性模型的基础。

10、借助灵活部署适应您的各种需要

SPSS Modeler 架构是一个支持一系列平台和语言的开放 式平台。您可以在您的环境中或从云端部署 SPSS Modeler，然后 在您的现有系统中自信地用它来优化性能和处理业务问题。 通过按计划或按要求为工作人员和流程提供结果，这种灵 活部署可弥合分析和行动之间的差距。

11、改善决策和成果

利用各种高级算法构建预测模型。

结合使用预测模型、业务规则和优化技术，在给定参数内通过云执行决策。

在影响点向人员和系统提供建议，改善决策和操作。

将分析结果集成到现有业务流程和运营应用中。

将 SPSS Modeler 与 IBM Cognos® Business Intelligence 集成时，在 BI 报表或仪表盘中显示分析。

集成 IBM Cognos TM1®，以在 Cognos TM1 多维数据集中使用或显示数据。

12、从数据中提取价值

无论数据存储在何处(例如，数据仓库、数据库、平面文件等)，均可执行分析。

将 SPSS Modeler 与 IBM SPSS Analytic Server 结合使用时，可在 Hadoop 版本中分析数据。

不仅可分析结构化数据(例如，年龄、价格、产品、位置等)，也可以分析非结构化数据(例如，文本、电子邮件、社交媒体数据等)。

使用统计算法和文本分析揭示数据中隐藏的洞察和模式。

使用实体分析进行实体解析和社交网络分析，显示个人和群体的社交行为。

通过自动化的数据准备、建模和基于 Web 的订阅降低复杂性。

13、更轻松地集成到现有系统中

与 IBM 数据库或其他供应商的数据库配合使用，更快速、更高效地部署模型并评分。

通过将 SPSS Modeler 与 SPSS Statistics、Cognos Business Intelligence、Cognos TM1 和 InfoSphere® Streams 集成，实现更流畅的分析工作流程。

通过使用那些支持 IBM Pure DataTM Systems、InfoSphere Warehouse、IBM DB2® 和 Linux on IBM System z® 功能的服务器版本，最小化数据移动，并提高性能。

通过“冠军/挑战者”方法评估预测模型，并自动执行评估。

使用教程

本文的数据文件是以人力资源部的员工文件为脚本，在更改了员工姓名，经理 NoteID 和部门信息等资料后选取了有代表性的 49 行资料来分析处理。这些数据包括员工姓， 名， 性别， 年龄， 工作地点，经理 Note ID， 婚姻状态 和部门等不同信息。

图 1. 原始数据样本

通过数据， 你会发现这些员工资料杂乱不堪，有些姓名大写输入，有些姓名小写输入。这一行是乌鲁木齐员工的资料，下一行确是北京员工的资料。整个文档没有任何顺序排列可言。您不用详细的看这份文件，只要简单操作， Modeler 就可以把这个文件变得整齐有序。您需要建一个简单的串流 (stream)。首先，打开 IBM SPSS Modeler， 在软件下方的 sources 选择一个符合条件的数据源节点。鉴于我们的源文件是 EXCEL，从左到右排第九的 Excel 节点最符合条件。

图 2. Modeler Source Node Palette

我们将 EXCEL 节点拖到 Modeler 操作屏幕中，双击。 在 import file 的地方输入 EXCEL 文件的路径， 如下图所示，现在您的数据源就是您要修改的文件了。单击 OK。

图 3. Modeler Excel Source Node Configure Window

紧接着，我们从 Field Ops tab 下，将排在第二个的 Type 节点拖到 Excel 数据源节点后面，按右键，选择 connect 链接两个节点。下来，将同样在 Fields Opts tab 下排第四位的 Derive 节点用同样的方式，和 Type 节点连接起来。双击点开 Derive 节点。 作如下红框所标设置。这个设置的作用是将所有的 last name 输入值统一变成大写字母。 在拖入一个 Derive 节点，对 first name 做同样的设置。现在， 我们所有有关姓名的输入都应该统一成大写字母了。

图 4. Modeler Derive Node Configure Window

接着， 在 Record Tab 下， 选择排在第六个的 sort 节点。 连接 First_Name derive 节点和 sort 节点。双击 sort 节点来打开设置页面， 按右面的下拉按键， 选择您需要排序的数据列， 做如下设置。

图 5. Modeler Sort Node Configure Window

现在我们的数据里姓名列已经全部大写了， 然后根据 last name( 姓 ) 进行了排序。我们只需要再做两步简单的设置就可以得到一个排列整齐有规律的 Excel 文件了。

现在，我们在 sort 节点后面加入一个在 Field Opts tab 下排名第三的 Filter 节点。 Filter 节点可以帮我们简化数据。如果你有 20 列不同的数据，但是在一个文件中有 10 列不需要，您可以通过 filter 节点将其删掉。在这条串流中，因为我们通过 Derive 节点生成了两个新的数据列， Last_name 和 First_name，所以原来的字母有大写有小写的姓名数据列，现在需要被删掉。在 filter 节点中，你只需要在箭头上点一下，箭头上就会出现一个红 X，这条数据列就会被自动删除， 如下图所示。

图 6. Modeler Filter Node Configure Window

现在我们的输出数据基本符合我们最初的要求了。 只是数据列的顺序比较乱。 这个时候我们可以连接一个位于 Field Ops 最后一个的 Field Reorder 节点。这个节点可以让我们为数据列手动排序。 像这种数据，我们一般会把姓放成第一列，名放做第二列，等等。

具体设置如下图所示：

图 7. Modeler Field Reorder Node Configure Window

最后我们连接一个输出节点讲所有的数据输出成我们喜欢的文件类型。 本文以 EXCEL 为例，双击打开位于 Export tab 下的 Excel 节点，在文件姓名里填入你希望输出的文件路径和文件名。 点击 Run，该串流就开始自动运行。具体设置如下：

图 8.Modeler Excel Export Node Configure Window

这个串流就建好了， 整体效果图如下：

图 9. 创建好的 Modeler Stream

这个串流读入了原始的 EXCEL 数据，使用一个 type 节点进行了数据准备， 然后通过两个 derive 节点把所有姓名变成统一的大写字体，接着用一个 sort 节点把所有的姓按从 Z 到 A 的顺序 ( 也可以用从 A 到 Z) 排列了出来，下面通过一个 field reorder 节点把所有的列按照重要性进行排序，最后通过一个输出节点产生了新的 EXCEL 文件， 我们通过这个串流把此文件命名为 ordered_name.xls。详细 EXCEL 文件请参考附件， ordered_names.xls 。现在看起来是不是整齐多了!局部选样如下：

图 10. 经过 Modeler 处理过的数据结果选样

一年一度的三八妇女节到了， 每位在公司工作的女性员工都可以获得一份节日礼品。采用如下的串流(stream)， Modeler 会根据性别不同自动把一个 EXCEL 文件分成两份不同的 EXCEL 文件。在这里，我们采用上段整理过的 EXCEL 文件作为源文件。

图 11. Modeler Stream 实现

在 Modeler 使用中， select 节点常常被用来把大量的数据按照不同的特性分成不同的文件。在这个例子中， 我们使用 select 节点把文件中的男女分成两个 EXCEL 文件。 这样对男女有别的公司活动，我们可以直接根据不同的 EXCEL 文件来制作邮件通讯组或者人数统计等不同应用

图 12. 图 11 Stream 输出结果的样本，上图为男性员工资料截图，下图为女性员工资料截图

这种区分男女的方法的串流通过微小的改变还可以应用到根据婚姻状况来分文件， 根据部门地点来分文件，根据直属经理来分文件等等不同应用，大大方便了我们的统计整理工作。案例如下：

图 13. Modeler Stream 实例

不论您的资料文件有几万行，几十列， 只要您明确的知道自己想要如何去分类这些文件，Modeler 都可以简单直观的帮您做到。您的资料可以在最短的时间内被区分成成百上千个不同的资料。然而 Modeler 对于资料整理的作用不止如此。您可以用 Modeler 把大文件分成小文件， 您同样可以使用 Modeler 方便简洁的把小文件合并成大文件。在下面这个串流里面，我们利用 modeler 把两个分开的文件合并到了一起。

图 14. Modeler Stream 合并文件

生成的 EXCEL 文件将和最初的一样， 把所有不同分类的员工全部放在一起。局部选样如下：

图 15. 输出结果样本

这两个 excel 文件就是我们通过上一段制造出来的两个以性别区分员工资料的文档。 如果有一天我们需要全体员工的资料。我们可以把它们和一个 append 节点合并起来。再加上一个 sort 节点，让这些数据按年龄从小到大排列。 最后输出到一个总文件里面。因为这两个数据的数列是一样的，最后我们会得到一个和我们文章最开始的数据一样的 EXCEL 表。当然， Modeler 的应用不仅仅是针对列名一样的 EXCEL 表， 对于有一个有几个或者完全没有公共列的 EXCEL 数据， Modeler 也可以采用 merge 节点进行合并。

上面的这些仅仅描述了 Modeler 冰山一角的小小应用。也许您自己写程序， 或者使用其他的软件也可以达到一样的功能。可是 Modeler 简单明了的界面， 立体美观的图形，便于理解的设计，快速准确的结果绝对是用户对数据进行简单处理的绝佳选择。即使您只是一个对技术一窍不通的文职人员，Modeler 也可以让你在最短的时间内学会根据需求处理这些数据。不仅如此，Modeler 还支持包括数据库，可变文件，固定文件，统计文件，Cognos BI 文件，SAS 文件， XML 文件， 用户自主输入文件等种种不同的数据源。 你可以通过样本，平衡，排序，合并等种种方式准备您的数据，然后再通过建模来进行数据分析; 或者简单的像本文所示一样分成或者合并成各种你需要的文件; 又或者让这些数据变成各种您想要的图形。对于普通笔记本电脑无法完成的庞大数据计算，您还可以通过连接包括 DB2， Oracle， SQLserver 等等数据库来帮助计算。希望有兴趣的同事们可以和我一起关注 Modeler 的成长。最后，谢谢您的阅读。