◆◆0

SPSS Modeler 18.0 新功能权威解读（文末附下载地址）

chenjj 2017-06-09 产品动态, 大数据, 大数据应用, 行业新闻 3,234 views

在今年，IBM SPSS Modeler发布了新版本18.0，那么在这次新版本的更新中，我们可以看到更新的幅度还是比较大的。接下来，浩彬老撕将给大家介绍18.0版本中一些新的功能，同时也将为大家详细介绍如果获得SPSS最新版本的试用方法！

这次Modeler 18.0版本的更新我们可以简单总结为如下三个方面：

（1）支持的平台更加广泛

（2）性能更加强大的大数据算法

（3）在开源技术上更多的扩展和更强大的支持

总而言之，就是很好很强大！

1. 支持的平台更加广泛（MAC / Windows 10）

相比于Modeler的兄弟产品，SPSS Statistics早在3年前的 21.0 版本已经开始支持 Mac 操作系统，而Modeler一直只能支持Windows操作系统，可谓愁死了广大的果粉了。很多果粉小伙伴为了能够在Mac上用上Modeler可谓是费苦心啊。

但是现在，Modeler的18.0版本也正式发布了Mac版本，从此与虚拟机“Say Byebye”，咱们终于也能够在Mac上直接使用了。

当然除了支持Mac系统，也增加了对Windows 10的支持。

2. 性能/功能更加强大的大数据算法

2.1 所有算法都支持本地运行而不需要连接Analytics Server

在Modeler之前的版本中，为更好满足客户的需求，特意设计了部分支持分布式计算的算法，而这些算法的实现是需要Analytics Server（简称AS，大家可以把AS理解为SPSS Modeler与Hadoop的连接器）这一模块才能运行的，而现在这些新的算法都支持在本地client端运行。这些新算法包括：

2.2 所有新算法都支持基于内存的分布式计算

毫无疑问，对于大规模数据集来说，使用多线程计算将能更好地利用我们的硬件资源，更重要的是能够节省我们的建模时间。在旧版本的SPSS Modeler版本中，只有部分的算法（CHAID，C&RT树，QUEST，线性模型，神经网络）能够支持多线程，并且只有在连接上Modeler Server中的时候，才能启用这项功能。

（以神经网络节点为例）

而在刚刚 2.1 提到的所有算法当中，现在都能支持多线程计算，并且直接在Modeler client端中即可启用多线程，而无需连接至服务器端。

2.3 算法优化

（1）线性SVM以及广义线性模型（AS算法）提供了正则化功能

我们知道过拟合是我们机器学习过程中常常面临的问题，为了避免模型过于复杂带来的问题，我们可以通过正则化对模型添加先验，使得模型的复杂度得到控制，从而减少噪声的扰动。因此在Modeler的18版本中，GLE以及LSVM都提供了正则化的功能：

（2）树模型和LSVM模型提供了专门的数据准备功能

为了增强Tree-AS以及LSVM的能力，在Modeler的18版本当中，特意结合了数据准备功能在这两个节点中，具体能力包括：连续字段分箱处理，分类字段进行类别合并，时间戳进行字段转换，把缺失值自动视为新的类别（Tree-AS）等等

（3）随机树节点新增功能选项

随机树节点，大家可以理解为随机森林，但因为随机森林最早被Leo Breiman和Adele Cutler提出后，就被注册成了商标，因此这里称之为随机树模型。该模型新增了两个功能选项：

(a) 指定要用于拆分的最小预测变量数：如果是构建拆分模型，请设置要用于构建每个拆分的最小预测变量数。这防止拆分创建过小的子组。

(b) 当准确性无法再提高时停止构建要：改进模型构建时间，请选择此选项，以在结果的准确性无法提高时停止模型构建过程。

（4）时间序列算法的增强

时间序列算法主要增强在两方面，一个是支持了多线程计算，二是增加了同时计算多个时间序列模型功能。

例如在旧版本中，当我们的原始数据是6个销售门店从2015年1月到2016年6月的销售额，那么我们只能通过编程或分别使用多个时间序列节点才能完成对6个销售门店时间序列的预测，但是在新版本中，我们则可以一次性构建多个模型，大大简化了建模的步骤。

3. 在开源技术上更多的扩展和更强大的支持

3.1 在开源工具上更好的扩展和支持

机器学习是一个充满生命力的技术领域，开源技术每天都会有长足的进步，为了能够保证能够在SPSS Modeler平台上使用到新的数据技术，Modeler在开源技术上一直有很好的支持。

从15版本开始集成R语言，16版本开始集成Python，17版本集成Spark。而来到我们的18版本，SPSS Modeler在集成上再更进一步，以往在集成Python以及Spark上需要AS组件的支持，但是现在我们能够直接在Modeler的客户端上直接集成Python的能力，并且我们能够把相关的R语言代码/Python代码直接集成成为一个建模节点。