数据与统计分析 - 产品中心

功能介绍

function Introduction

IBM SPSS Modeler 18.5有两个版本：IBM SPSS Modeler Professional 和 IBM SPSS Modeler Premium。

SPSS Modeler Professional

SPSS Modeler Premium

SPSS Modeler Professional提供处理大多数类型结构化数据所需的所有工具，例如 CRM 系统中跟踪的行为和交互、人口统计、购买行为和销售数据。

SPSS Modeler Premium是一个单独许可的产品，它扩展了SPSS Modeler Professional以处理专用数据和非结构化文本数据。SPSS Modeler Premium包括IBM SPSS Modeler Text Analytics：
IBM SPSS Modeler Text Analytics 使用高级语言技术和自然语言处理 (NLP)
快速处理大量非结构化文本数据，提取和组织关键概念，并将这些概念分组。提取的概念和类别可以与现有的结构化数据（例如人口统计数据）相结合，并使用全套IBM SPSS Modeler数据挖掘工具应用于建模，以产生更好、更有针对性的决策。

IBM SPSS Modeler18.5 软件功能如下：

自动数据准备	IBM SPSS Modeler 可将数据自动转换为最佳格式，从而实现最准确的预测建模。现在，您只需点击几下即可分析数据、识别修复、筛选字段和派生新属性。
轻松部署模型	从 Scikit-learn 和 Tensorflow 到 IBM SPSS Modeler，保存和部署来自最热门机器学习框架的模型。
强大的图形引擎	利用 IBM SPSS Modeler 强大的图形引擎，让洞察分析变得生动形象。智能图表推荐器能够从数十个选项中找出适合您的数据的理想图表，让您能够采用引人注目的可视化呈现方式来快捷轻松地分享您的洞察分析。
可视化分析流	IBM SPSS Modeler 可将数据自动转换为最佳格式，从而实现最准确的预测建模。现在，您只需点击几下即可分析数据、识别修复、筛选字段和派生新属性。
机器学习方法和算法	IBM SPSS Modeler 支持决策树、神经网络和回归模型。现在，您可以利用 ARMA、ARIMA 和指数平滑；传递具有预测变量和异常值检测的函数；受益于合成层次模型；支持向量机和时间因果建模；以及采用时间序列和空间 AR 进行时空预测。生成式对抗网络 (GAN) 和强化也支持深度学习。
支持开源技术	IBM SPSS Modeler 支持使用 R、Python、Spark 和 Hadoop 来增强分析能力。您还可以扩展和补充这些技术，以进行更高级的分析，同时保持控制。

系统特点

SPSS Modeler 特性

在样本节点中增强支持SQL 生成

支持IBM Netezza Analytics 数据库内挖掘

基于更方便、更高效设计理念，SPSS公司推出了最新版本SPSS Modeler18.5。该版本继承了原有产品的特点

之外还增加了许多显著的新特性。

SPSS Modeler 18.5 版本新增以下功能。

在使用简单抽样时，对样本节点中的SQL 生成的支持已有所增强，包括在 Windows 和 UNIX 中运行的

DB2数据库，以及 IBM Netezza 和 Teradata 数据库。

此版本开始支持IBM Netezza Analytics 数据库内挖掘技术。

具体以两个新的数据库建模节点的形式提供支持：Netezza 决策树和 Netezza K-Means。

对IBM Netezza 数据库实行第 1 层支持

支持Cognos 10

增强对IBM System z 的服务器端支持

现已在第1 层上支持 IBM Netezza 数据库，这意味着所有可能的 SQL 回送现在都可用，

并具有数据库特定的 SQL 优化。

除版本8.4 外，IBM Cognos BI 源节点和导出节点现在还支持 Cognos BI 版本 10.1。

SPSS Modeler 增加了对运行 Red Hat Enterprise Linux、Red Hat Enterprise Linux Advanced Platform

或SuSE LinuxEnterprise Server 的IBM System z 系统的服务器端支持。

赠送课程

function introduction

SPSS Modeler数据挖掘

1.数据挖掘基础内容讲解1-12 3:54:51
2.数据挖掘基础内容讲解13-24 4:06:13
3.SPSS MODELER数据挖掘1-6 1:57:56
4.SPSS MODELER数据挖掘7-26 6:42:48
5.SPSS MODELER数据挖掘27 5:09

数据挖掘之SPSS Modeler

1-1 数据挖掘课程介绍 10:24
1-2 数据挖掘流程与原理 16:04
2-1 读取数据源 24:24
2-2 链接数据库数据 16:25
2-3 合并数据集 12:39
2-4 类型节点 27:43
2-5 Modeler计算字段 12:02
2-6 样本管理 20:22
2-7 数据质量（数据审查） 20:12
3-1 简单统计分析（图形） 15:31
3-2 统计分析（方法） 12:06
3-3 高级统计分析 06:38
3-4 神经网络 20:35
3-5 关联分析 22:33
3-6 时序关联 04:53
3-7 决策树模型评估 28:49
3-8 客户价值分析（RFM） 25:22
3-9 聚类分析（用户细分） 27:17