溫馨提示：需求數(shù)量不同，價(jià)格不同。請(qǐng)聯(lián)系我們，確認(rèn)當(dāng)前新的報(bào)價(jià)！
SPSSModeler是的數(shù)據(jù)挖掘、預(yù)測(cè)分析平臺(tái)軟件，擁有簡(jiǎn)單的圖形界面和分析能力，發(fā)現(xiàn)結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中的趨勢(shì)，使得企業(yè)和分析師增加生產(chǎn)力，獲得前所未有的深入了解和預(yù)測(cè)，可在云端使用。
SPSSModeler產(chǎn)品分為三個(gè)版本：SPSSModelerProfessional、SPSSModelerPremium和SPSSModelerGold。注：JapaneseLanguageExtractor許可要求使用SPSSModelerPremium版。
核心亮點(diǎn)：
訪問各種數(shù)據(jù)源，如數(shù)據(jù)倉庫、數(shù)據(jù)庫、Hadoop分布或平面文件，以便從您的數(shù)據(jù)中發(fā)現(xiàn)隱含的模式
在影響點(diǎn)即時(shí)向工作人員和系統(tǒng)提供具有預(yù)測(cè)性、資源敏感和戰(zhàn)略一致的決策
不論統(tǒng)計(jì)或分析背景如何，讓可從分析受益的人掌握分析
利用設(shè)計(jì)用于處理從簡(jiǎn)單的描述性分析問題到復(fù)雜的優(yōu)化問題的單一平臺(tái)，解決業(yè)務(wù)問題
利用數(shù)據(jù)庫內(nèi)性能數(shù)據(jù)移動(dòng)，在更短時(shí)間內(nèi)分析大量數(shù)據(jù)，同時(shí)充分利用現(xiàn)有IT投資
利用可在大多數(shù)環(huán)境中部署并與其他IBM解決方案集成的開放平臺(tái)，彌合分析和行動(dòng)之間的差距。
SPSSModelerProfessional和Premium版共同特性
數(shù)據(jù)理解：
通過自動(dòng)協(xié)助創(chuàng)建廣泛的交互式圖形。
使用可視化鏈接分析查看數(shù)據(jù)中的各種關(guān)聯(lián)。
通過在圖表上選擇地區(qū)或項(xiàng)目并查看所選的信息來與數(shù)據(jù)進(jìn)行互動(dòng)；或選擇用于分析的關(guān)鍵數(shù)據(jù)。
從SPSSModeler界面直接訪問SPSSStatistics圖形和報(bào)告工具。
數(shù)據(jù)準(zhǔn)備：
通過zDb2和IBMClassicFederationServer支持訪問來自CognosBusinessIntelligence、IBMDb2、Oracle、MicrosoftSQLServer、Informix、IBMNetezza、mySQL(Oracle)和Teradata數(shù)據(jù)源的運(yùn)營數(shù)據(jù)以及各種大型機(jī)數(shù)據(jù)
導(dǎo)入帶分隔符的、固定寬度的文本文件、SPSSStatistics文件、SPSSDataCollection數(shù)據(jù)源、Excel、SAS或XML。
從SPSSModeler提供的多個(gè)數(shù)據(jù)清除選項(xiàng)中進(jìn)行選擇，刪除或更換無效數(shù)據(jù)，自動(dòng)填充遺漏值并減少異常值和極值。
將自動(dòng)數(shù)據(jù)準(zhǔn)備應(yīng)用到詢問和條件數(shù)據(jù)工作中，這樣只用一個(gè)步驟便可進(jìn)行分析。
從SPSSModeler直接訪問在SPSSStatistics中執(zhí)行的數(shù)據(jù)管理和轉(zhuǎn)換。
使用字段過濾、命名、派生、分級(jí)(binning)、重新分類、值置換和字段重新排序。
應(yīng)用記錄選擇、抽樣（包括群集和分層抽樣）、合并（包括內(nèi)連接、全外連接、部分外連接和反連接）、排序、聚合和平衡。
從各種選項(xiàng)中進(jìn)行選擇，進(jìn)行數(shù)據(jù)重組、分區(qū)和變換。
從廣泛的字符串功能中進(jìn)行選擇：字符串創(chuàng)建、置換、搜索和匹配、空格刪除和截?cái)唷?/p>
應(yīng)用RFM評(píng)分：聚合客戶的各種截?cái)?，以提供近因、頻率和貨幣值，并將其合并在一起，生成完整的RFM分析。
將數(shù)據(jù)導(dǎo)出到數(shù)據(jù)庫、IBMCognosBusinessIntelligence軟件包、SPSSStatistics、SPSSDataCollection、帶分隔符的文本文件、Excel表格、SAS或XML。
包含的建模算法：
異常檢測(cè)－使用一種基于群集的算法檢測(cè)不尋常的記錄
Apriori－帶有評(píng)估功能的流行關(guān)聯(lián)發(fā)現(xiàn)算法
貝葉斯網(wǎng)絡(luò)－圖形概率模型
C&RT、C5.0、CHAID和QUEST－決策樹算法，包括交互樹構(gòu)建
CARMA－關(guān)聯(lián)算法，支持多個(gè)結(jié)果
Cox回歸－計(jì)算某個(gè)事件的可能發(fā)生時(shí)間
DecisionList－交互式規(guī)則構(gòu)建算法
Factor/PCA、FeatureSelection－數(shù)據(jù)簡(jiǎn)化算法
K-Means、Kohonen、TwoStep、Discriminant、支持向量機(jī)(SVM)－群集和分割算法
KNN -鄰居建模和評(píng)分算法
Logistic回歸－用于二進(jìn)制結(jié)果
神經(jīng)網(wǎng)絡(luò)－多層感知器，帶有逆向傳播學(xué)習(xí)法和徑向基本函數(shù)網(wǎng)絡(luò)
回歸、線性、GenLin(GLM)、廣義線性混合模型(GLMM)－線性方程建模
自學(xué)響應(yīng)模型(SLRM)－帶增量學(xué)習(xí)功能的貝葉斯模型
Sequence－順序關(guān)聯(lián)算法，用于對(duì)順序敏感的分析
支持向量機(jī)（SupportVectorMachine）－準(zhǔn)確建模廣泛數(shù)據(jù)集的算法
建模和評(píng)估：
采用具有許多功能的廣泛數(shù)據(jù)挖掘算法，通過您的數(shù)據(jù)獲得好的結(jié)果。
使用自動(dòng)分類（二進(jìn)制和數(shù)值）和群集功能來選擇各個(gè)算法。
使用交互式模型和方程瀏覽器查看統(tǒng)計(jì)輸出內(nèi)容。
使用交互式模型和方程瀏覽器查看統(tǒng)計(jì)輸出內(nèi)容。通過可變重要性圖表顯示數(shù)據(jù)屬性對(duì)預(yù)測(cè)結(jié)果的相對(duì)影響。
在地理地圖上可視化分析結(jié)果。
合并多個(gè)模型（整體建模）或使用一個(gè)模型分析另一個(gè)模型。
使用SPSSModeler組件級(jí)擴(kuò)展框架(CLEF)集成各種自定義算法。
通過SPSSStatistics集成，使用R來擴(kuò)展分析選項(xiàng)。
部署：
使用SQL或PMML（針對(duì)預(yù)測(cè)模型的基于XML的標(biāo)準(zhǔn)格式）導(dǎo)出模型。
利用IBMSPSS協(xié)作和部署服務(wù)實(shí)現(xiàn)創(chuàng)新分析管理、流程自動(dòng)化和部署功能。
SPSSModelerPremium獨(dú)有特性
數(shù)據(jù)準(zhǔn)備：
使用實(shí)體分析來合并或分隔記錄，從而得到更整潔的數(shù)據(jù)用于建模。
識(shí)別數(shù)據(jù)中的群組，并通過Group分析識(shí)別群組。
使用改動(dòng)（churn）信息確定改動(dòng)器可能影響的其他人，以便與擴(kuò)散分析相結(jié)合。
特定于文本的了解和準(zhǔn)備工作
從文件、運(yùn)行數(shù)據(jù)庫和RSS源（即博客、web源）提取文本數(shù)據(jù)。
為荷蘭語、英語、法語、德語、意大利語、葡萄牙語、西班牙語或日語選擇本機(jī)語言提取器選項(xiàng)，或使用第三方翻譯軟件翻譯幾乎任何語言的內(nèi)容。
提取特定于域的概念，如單項(xiàng)、表達(dá)式、縮寫、縮略語等。
使用復(fù)雜的語言算法和嵌入式或用戶指定的語言資源計(jì)算同義詞。
按人、組織、術(shù)語、產(chǎn)品、地點(diǎn)和其他用戶定義的類型來命名概念。
提取非語言實(shí)體，如地址、貨幣、時(shí)間、電話號(hào)碼和社會(huì)保險(xiǎn)號(hào)。
使用并自定義預(yù)構(gòu)建的模板和庫，從而進(jìn)行情感分析、CRM、安全和智能、市場(chǎng)情報(bào)、生命科學(xué)和IT。
利用針對(duì)常見業(yè)務(wù)應(yīng)用的預(yù)打包文本分析包(TAP)，或創(chuàng)建自己的分析包。
使用概念群集算法并根據(jù)術(shù)語共現(xiàn)來創(chuàng)建群集，提供主要主題及其關(guān)聯(lián)方式的一覽子視圖。
使用文本分類算法并根據(jù)內(nèi)容對(duì)文本文檔和記錄進(jìn)行智能分組。
支持在預(yù)測(cè)建模中使用概念選擇和取消選擇功能。
使用基于文本的可視化報(bào)告來查詢概念關(guān)系、發(fā)生率、頻率和類型。
文本鏈接分析：
從荷蘭語、英語、法語、德語和西班牙語文本中識(shí)別并提取情感因素信息（如喜歡和不喜歡）。
識(shí)別人和事件或疾病和基因之間的鏈接與關(guān)聯(lián)。
通過URL從博客內(nèi)識(shí)別并提取內(nèi)容。
在可部署的預(yù)測(cè)模型中包括各種觀點(diǎn)、語義關(guān)系和鏈接的事件。
通過交互式圖表揭示復(fù)雜的關(guān)系，顯示兩個(gè)概念之間的多個(gè)語義鏈接。
SPSSModeler服務(wù)器版獨(dú)有特性
使用的數(shù)據(jù)庫技術(shù)，通過數(shù)據(jù)庫內(nèi)挖掘在數(shù)據(jù)庫中創(chuàng)建模型，并充分利用高性能的數(shù)據(jù)庫實(shí)現(xiàn)。
通過SQL推回功能來推動(dòng)數(shù)據(jù)轉(zhuǎn)換，并將建模算法直接選入到運(yùn)行數(shù)據(jù)庫中。
通過IBMSPSSModelerServerScoringAdapter在數(shù)據(jù)庫內(nèi)對(duì)數(shù)據(jù)評(píng)分，顯著提高性能。
利用高性能硬件（包括IBMSystemz機(jī)器）更快實(shí)現(xiàn)解決方案，通過并行執(zhí)行流和多個(gè)模型實(shí)現(xiàn)更好的ROI。
通過安全套接字層(SSL)加密，在SPSSModeler客戶端和SPSSModeler服務(wù)器之間安全地傳輸敏感數(shù)據(jù)。
針對(duì)IBMInfoSphere的數(shù)據(jù)庫內(nèi)挖掘算法：關(guān)聯(lián)、群集、決策樹、Logistic回歸、NaiveBayes、回歸、序列、時(shí)間序列。
針對(duì)IBMNetezza的數(shù)據(jù)庫內(nèi)挖掘算法：BayesNet、決策樹、分群法、廣義線性、K-Means、KNN、線性回歸、NaiveBayes、PCA、回歸樹、時(shí)間序列。
針對(duì)MicrosoftSQL服務(wù)器的數(shù)據(jù)庫內(nèi)挖掘算法：關(guān)聯(lián)規(guī)則、群集、決策樹、線性回歸、NaiveBayes、回歸、神經(jīng)網(wǎng)絡(luò)、序列群集、時(shí)間序列。
針對(duì)Oracle的數(shù)據(jù)庫內(nèi)挖掘算法：自適應(yīng)貝葉斯、Apriori、人工智能(AI)、決策樹、一般線性模型(GLM)、KMeans、描述長(zhǎng)度(MDL)、NaiveBayes、非負(fù)矩陣分解、O-Cluster（正交分區(qū)群集）、支持向量機(jī)。
