SPSS Clementine 数据挖掘入门

SPSSClementine1目录SPSSClementine数据挖掘入门（1）...................................................................2客户端基本界面....................................................................................................3项目区....................................................................................................................3工具栏....................................................................................................................3源工具（Sources）..............................................................................................3记录操作（RecordOps）和字段操作（FieldOps）......................................4图形（Graphs）....................................................................................................4输出（Output）....................................................................................................4模型（Model）......................................................................................................4数据流设计区........................................................................................................4管理区....................................................................................................................5Outputs..................................................................................................................5Models....................................................................................................................5SPSSClementine数据挖掘入门（2）...................................................................61．定义数据源......................................................................................................62．理解数据..........................................................................................................83．准备数据..........................................................................................................94．建模................................................................................................................135．模型评估........................................................................................................146．部署模型........................................................................................................15SPSSClementine数据挖掘入门（3）.................................................................17分类..............................................................................................................................20决策树..................................................................................................................20NaïveBayes.....................................................................................................23神经网络..............................................................................................................24回归..............................................................................................................................26聚类..............................................................................................................................27序列聚类..............................................................................................................30关联......................................................................................................................31SPSSClementine2SPSSClementine数据挖掘入门（1）SPSSClementine是Spss公司收购ISL获得的数据挖掘工具。在Gartner的客户数据挖掘工具评估中，仅有两家厂商被列为领导者：SAS和SPSS。SAS获得了最高abilitytoexecute评分，代表着SAS在市场执行、推广、认知方面有最佳表现；而SPSS获得了最高的completenessofvision，表明SPSS在技术创新方面遥遥领先。SPSSClementine3客户端基本界面SPSSClementine（在此简称clementine）在安装好后会自动启用服务，服务端的管理需要使用SPSSPredictiveEnterpriseManager，在服务端clementine没有复杂的管理工具，一般的数据挖掘人员通过客户端完成所有工作。下面就是clementine客户端的界面。一看到上面这个界面，我相信只要是使用过SSIS＋SSAS部署数据挖掘模型的，应该已经明白了六、七分。是否以跃跃欲试了呢，别急，精彩的还在后面^_’项目区顾名思义，是对项目的管理，提供了两种视图。其中CRISP－DM（CrossIndustryStandardProcessforDataMining，数据挖掘跨行业标准流程）是由SPSS、DaimlerChrysler（戴姆勒克莱斯勒，汽车公司）、NCR（就是那个拥有Teradata的公司）共同提出的。Clementine里通过组织CRISP－DM的六个步骤完成项目。在项目中可以加入流、节点、输出、模型等。工具栏工具栏总包括了ETL、数据分析、挖掘模型工具，工具可以加入到数据流设计区中，跟SSIS中的数据流非常相似。Clementine中有6类工具。源工具（Sources）相当SSIS数据流中的源组件啦，clementine支持的数据源有数据库、平面文件、Excel、维度数据、SAS数据、用户输入等。SPSSClementine4记录操作（RecordOps）和字段操作（FieldOps）相当于SSIS数据流的转换组件，RecordOps是对数据行转换，FieldOps是对列转换，有些类型SSIS的异步输出转换和同步输出转换（关于SSIS异步和同步输出的概念，详见拙作：http：//．cnblogs．com/esestt/archive/2007/06/03/769411．html）。图形（Graphs）用于数据可视化分析。输出（Output）Clementine的输出不仅仅是ETL过程中的load过程，它的输出包括了对数据的统计分析报告输出。※在ver11，Output中的ETL数据目的工具被分到了Export的工具栏中。模型（Model）Clementine中包括了丰富的数据挖掘模型。数据流设计区这个没什么好说的，看图就知道了，有向的箭头指明了数据的流向。Clementine项目中可以有多个数据流设计区，就像在PhotoShop中可以同时开启多个设计图一样。比如说，我这里有两个数据流：Stream1和Stream2。通过在管理区的Streams栏中点击切换不同的数量流。SPSSClementine5管理区管理区包括Streams、Outputs、Models三栏。Streams上面已经说过了，是管理数据流的。Outputs不要跟工具栏中的输出搞混，这里的Outputs是图形、输出这类工具产生的分析结果。例如，下面的数据源连接到矩阵、数据审查、直方图工具，在执行数据流后，这个工具产生了三个输出。在管理区的Outputs栏中双击这些输出，可看到输出的图形或报表。Models经过训练的模型会出现在这一栏中，这就像是真表（TruthTable）的概念那样，训练过的模型可以加入的数据流中用于预测和打分。另外，模型还可以导出为支持PMML协议的XML文件，但是PMML没有给定所有模型的规范，很多厂商都在PMML的基础上对模型内容进行了扩展，Clementine除了可以导出扩展的SPSSSmartScore，还可以导出标准的PMML3．1。SPSSClementine6↓