|
IBM SPSS Modeler 18.2.2新增功能
IBM® SPSS® Modeler 在本版本中新增以下功能。
- IBM SPSS Modeler Gold 用户有权下载并安装 IBM Watson Studio Desktop 2.x 产品。它包含新版 SPSS Modeler，还具有许多其他强大功能。您可以将现有的 SPSS Modeler 流（.str）导入 Watson Studio Desktop。有关更多信息，请参见 IBM Watson Studio Desktop。
- 现已支持 Oracle Database 19c。
- 现已支持 Microsoft SQL Server 2017。
- 现已支持 Vertica 9.3。
- 现已支持 Snowflake。
- 现已支持 Treasure Data 的 Plazma 数据库，但有以下限制：
- 可以以整数/实数格式导出数据，但不支持字符串。
- 不支持日期时间/日期/时间格式。
- 现已支持 Windows Server 2019。
- 现已支持 Mac Catalina，版本为 10.15.3 及以上。
- 文本分析 Translate 节点从 18.0 版本起已弃用，但您仍可运行包含该节点的现有流。从 18.2.2 版本起，Translate 节点不再受支持。
- Python for Spark 扩展节点现可与 SPSS Collaboration and Deployment Services 中的评分服务配合使用。
- 从 18.2.2 版本起，Mac 不再提供单独的 IBM SPSS Modeler - Essentials for R 安装程序。它是默认 SPSS Modeler 安装的一部分，默认的 R_HOME: 路径为 /Library/Frameworks/R.framework/Resources。如果您使用其他路径，必须编辑位于 /Applications/IBM/SPSS/Modeler/18.2.2/SPSSModeler.app/Contents/ext/bin/pasw.rstats 下的 config.ini 文件，将其修改为您在 Mac 上的 ${R_HOME} 路径。
- 提供新版本 SDAP（8.1）。
- 使用新版本 R（3.5.1）。
- 使用新版本 Python（3.7.7）。
- 不再支持 AIX。
IBM SPSS Modeler 18.2新增功能
IBM® SPSS® Modeler 在本版本中新增以下功能。
- 全新外观。通过 工具 > 用户选项 > 显示 可使用全新的现代化界面主题。有关切换到新主题的说明，请参见"设置显示选项"。
- 新数据视图。现在可以右键单击数据节点并选择"查看数据"，借助高级数据可视化以新的方式检查和精化数据。有关更多信息，请参见"处理数据"。注意此新功能默认使用端口 28900。如需使用其他端口，请更改 options.cfg 文件中 data_view_port_number 配置设置的值。
- IBM Data Warehouse。使用 IBM Netezza Analytics 进行数据库建模现已支持 IBM Data Warehouse。若要启用节点面板中"数据库建模"选项卡上的节点，请转到 工具 > 选项 > 辅助应用程序，并在 IBM Data Warehouse 选项卡上启用 IBM Data Warehouse 集成。运行可用的 Netezza 节点之一时，所构建的模型现在将写入您的 IBM DB2 Data Warehouse。不支持 AIX。
- 高斯混合节点。节点面板的 Python 选项卡和"建模"选项卡上新增高斯混合节点。详情请参见"高斯混合节点"。
- 核密度估计（KDE）节点。节点面板的 Python 选项卡和"建模"选项卡上新增 KDE 建模节点；Python 选项卡和"输出"选项卡上新增 KDE 模拟节点。详情请参见"KDE 节点"。
- 层次密度聚类（HDBSCAN）节点。节点面板的 Python 选项卡和"建模"选项卡上新增 HDBSCAN 节点。详情请参见"HDBSCAN 节点"。
- JSON 节点。新增用于导入和导出 JSON 格式数据的 JSON 节点。详情请参见"JSON 源节点"和"JSON 导出节点"。
- AIX。AIX 是 18.2 的支持平台。有关支持环境的更多信息，请参见软件产品兼容性报告。
- IBM SPSS Modeler 文本分析增强。已进行以下增强。其中大多数增强与 IBM SPSS Text Analytics for Surveys 中的功能类似。
- 现在可以像从文本分析包（.tap）导入资源一样导入 SPSS Text Analytics for Surveys 项目（.tas）。配置文本挖掘建模节点时，必须指定在提取过程中将使用的资源。您可以选择 .tap 或 .tas（新增）文件，而不仅是资源模板，以便将资源及类别集一并复制到节点中。
- 数据窗格中现可用"标志"功能。您可以为文档添加"完整"或"重要"标志。新增的一列会显示您正在使用的标志，点击该列内可更改标志类型。这对于检查类别模型的完整性非常有用。请参见"标记响应"。
- 已改进概念提取结果（现在与 SPSS Text Analytics for Surveys 中的概念提取结果类似）
- 空记录的处理方式现在与 SPSS Text Analytics for Surveys 中相同。例如，对于 Excel 源文件，空记录现在会保留为文本的一部分。
- 数据窗格中新增 Force In（强制归入）和 Force Out（强制排除）选项，可将记录强制归入或移出某个类别。这对于空记录或没有提取概念的记录非常有用，当没有概念或 TLA 输出能帮助您找到合适类别时也很有用。请参见"将响应强制归入类别"。
- 现可用类型重指派规则（TRR）。TRR 可将一系列类型、宏和/或词元转换为具有特定类型的新概念。它们可用于"观点"模板，以捕获极性发生变化的观点。详情请参见"类型重指派规则"。
- 为生成的文本片段提供了名为"仅对最低级别匹配类别评分"的新选项。使用此选项可只在一行中输出类别（例如，如果类别为 GeneralSatisfaction/Pos，选择此选项的结果为 GeneralSatisfaction/Pos。不使用此选项则会得到两行：GeneralSatisfaction 和 GeneralSatisfaction/Pos）。
IBM SPSS Modeler 18.1.1中新增功能
IBM® SPSS® Modeler 在本版本中新增以下功能。
- E-Plot（Beta）节点。节点面板的"图形"选项卡上新增 Beta 级 E-Plot 节点。它采用全新直观且现代化的绘图界面，高度可定制，数据图表支持交互。使用此新节点可体验新的绘图功能。详情请参见"使用 e-plot 图形"。
- Spark 节点。节点面板新增 Spark 选项卡，提供使用 Python 算法的节点。这些新节点支持 Windows 64 和 Mac。
- Isotonic-AS 节点。新的 Spark 选项卡上新增 Isotonic-AS 节点。详情请参见"Isotonic-AS 节点"。
- XGBoost-AS 节点。新的 Spark 选项卡上新增 XGBoost-AS 节点。详情请参见"XGBoost-AS 节点"。
- K-Means-AS 节点。新的 Spark 选项卡上新增 K-Means-AS 节点。详情请参见"K-Means-AS 节点"。
- 超参数优化（基于 Rbfopt）。One-Class SVM 节点（"专家"选项卡）、XGBoost Linear 节点（"构建选项"选项卡）和 XGBoost Tree 节点（"构建选项"选项卡）新增了超参数优化选项。该选项会自动发现最优参数组合，使模型在样本上达到预期或更低的错误率。
- 随机森林节点。Python 选项卡上新增随机森林节点。详情请参见"随机森林节点"。
- t-SNE 节点。Python 选项卡和"图形"选项卡上新增 t 分布随机邻居嵌入（t-SNE）节点。详情请参见"t-SNE 节点"。
- CPLEX 优化节点支持多个数据源。优化专家现在可以将来自多个数据源的数据导入 CPLEX 优化节点，并将每个数据源分配给一个元组。详情请参见"CPLEX 优化节点"和"设置 CPLEX 优化节点的选项"。
IBM SPSS Modeler 18.1最新更新
IBM® SPSS® Modeler 在本版本中新增以下功能。
- TWC 源节点。新的 TWC Input 源节点可从 IBM 旗下企业 The Weather Company 导入天气数据。您可以使用它获取某地的历史或预报天气数据。这有助于您利用最精确的天气数据开发天气驱动的业务解决方案，从而改善决策。详情请参见"TWC 源节点"。
- Python 节点。节点面板新增 Python 选项卡，提供使用 Python 原生算法的节点。现提供 SMOTE 节点、XGBoost Tree 节点、XGBoost Linear 节点和 One-Class SVM 节点。这些新节点支持 Windows 64、Linux64 和 Mac。详情请参见"Python 节点"。
- Python 发行版。如果计划对 SPSS Modeler Server（或随 SPSS Modeler Client 附带的本地服务器，要求 Windows 64、Linux64 或 Mac）执行 Python/Spark 脚本，则不再需要像早期版本那样安装 Python 并编辑 options.cfg。SPSS Modeler 现在包含 Python 发行版。不过，如果您需要默认 SPSS Modeler Python 发行版未包含的某个模块，可以转到 <Modeler 安装目录>/python 安装其他软件包。有关更多信息，请参见"使用 Python for Spark 进行脚本处理"。
- Language 节点。IBM SPSS Modeler 文本分析的新 Language 节点是一种流程节点，可扫描源文本以确定其使用的语言，并将结果标记在新字段中。该节点主要设计用于处理大量数据，当数据源包含多种语言而您只想处理其中一种语言时特别有用。详情请参见"Language 节点"。
- Random Trees 节点的新构建选项。Random Trees 节点新增名为"要报告的有趣规则数"的高级构建选项。此前最多报告 5 条规则。此新选项允许您指定要报告规则的数量（最小 1，最大 1000，默认 50）。详情请参见"Random Trees 节点 - 高级"。
- 导入 IBM Cognos TM1 Server 私有视图。使用 TM1 Import 节点，现在可以导入私有视图，而不仅仅是公共视图。
- 使用 R 导入和导出数据。使用扩展的自定义对话框构建器，现在可以创建自定义节点并编写 R 脚本，从任意数据源读取数据，并将数据写出到 R 支持的任意数据格式。有关更多信息，请参见"使用 R 导入和导出数据"。
- 使用 Python for Spark 导入和导出数据。使用扩展的自定义对话框构建器，现在可以创建自定义节点并编写 Python for Spark 脚本，从任意数据源读取数据，并将数据写出到 Apache Spark 支持的任意数据格式。有关更多信息，请参见"使用 Python for Spark 导入和导出数据"。
- Analytic Server 模式。在 工具 > 选项 > 用户选项 下，可使用"模式"选项卡在传统模式与 Analytic Server 模式之间切换，以筛选用户界面中显示的节点和表达式。详情请参见"设置模式"。
- 支持多个 Analytic Server。如果有多个可用的 Analytic Server，可使用 Analytic Server 连接对话框定义一个以上供 IBM SPSS Modeler 使用的服务器。系统管理员可能已在 <Modeler 安装路径>/config/options.cfg 文件中设置了默认的 Analytic Server。但定义其他可用服务器后也可以使用它们。例如，使用 Analytic Server 源节点和导出节点时，您可能希望流的不同分支使用不同的 Analytic Server 连接，这样每个分支运行时使用各自的 Analytic Server，数据就不会被拉取到 IBM SPSS Modeler Server。请注意，如果某个分支包含多个 Analytic Server 连接，数据将从 Analytic Server 拉取到 IBM SPSS Modeler Server。有关更多信息（包括限制），请参见"Analytic Server 流属性"。
- Transpose 节点的新模式。Transpose 节点的"设置"选项卡新增了下拉列表，用于选择转置方法：字段和记录都转置、记录转字段、或字段转记录。详情请参见"设置 Transpose 节点的选项"。
- 流自动保存。现在可以指定自动保存流的频率。请转到 工具 > 选项 > 系统选项。详情请参见"系统选项"。
- 扩展节点。为补充 IBM SPSS Modeler 及其数据挖掘功能，新的扩展节点使专家用户能够输入自己的 R 脚本或 Python for Spark 脚本来执行数据处理、模型构建和模型评分。这些扩展节点取代了之前可用的 R 节点。有关更多信息，请参见"扩展节点"。
- 面板管理。使用面板管理器（工具 > 管理面板），现在可以编辑任意选项卡的默认节点选择——而不仅是早期版本中的"收藏夹"选项卡。详情请参见"自定义面板管理器"。
- 改进 Microsoft Office 支持。现在可以将图表复制为 Microsoft 图形对象，从而在 Microsoft Office 中编辑图表。支持此格式的图表可复制到 Microsoft Office 应用程序中，并作为原生 Microsoft Office 图表进行编辑。由于 IBM SPSS Modeler 图表与 Microsoft Office 图表存在差异，IBM SPSS Modeler 图表的某些特性在复制版本中不会保留。不支持将多个选定的图表以 Microsoft Office 图形对象格式复制。详情请参见"打印、保存、复制和导出图形"。
- CPLEX 优化。新的 CPLEX Optimization 节点提供基于复杂数学（CPLEX）的优化能力，通过优化编程语言（OPL）模型文件实现。IBM Analytical Decision Management 产品中也提供此功能，但您现在无需 IBM Analytical Decision Management 即可在 SPSS Modeler 中使用 CPLEX 节点。有关更多信息，请参见"CPLEX Optimization 节点"。
- 在线帮助。早期版本中，在线帮助系统随 IBM SPSS Modeler 一起安装。在线帮助系统现在包含在 IBM Knowledge Center 中。在 IBM SPSS Modeler 应用中调用 F1 帮助时，关联的帮助主题将在单独的 Web 浏览器实例中打开，并链接到 IBM Knowledge Center 中文档的最新版本。
IBM SPSS Modeler 18发布
今天我们要发布 Modeler 18 版本。此版本包含许多重要的变更和改进。变更分为四类——Modeler 中的大数据算法、继续扩展和拥抱开源价值的变更、平台灵活性以及其他变更。
Modeler 中的大数据算法
过去一年中，Modeler 新增了许多算法，但受限于只能与 Analytic Server（即 Modeler 连接 Hadoop 的连接器）一起运行。在 18 版本中，这六种算法现在可在 Modeler 中用于任意类型的数据。这些算法包括
• Random Trees（随机树）——数据科学领域的一种流行方法，即对 C&R 树模型进行 bagging，然后在树的每个分裂处仅对变量进行有放回抽样
• Tree-AS，基于 CHAID
• GLE——包含多种回归方法
• Linear-AS，执行线性回归
• Linear Support Vector Machines（线性支持向量机）
• Two-Step-AS 聚类
所有这些算法的一个重要特性是它们都支持多线程——即单次构建可使用多个核心。这将改善大型数据集的模型构建时间，并更好地利用数据资源。GLE 和线性 SVM 支持正则化，通过对具有极端参数值的模型施加惩罚来防止过拟合。最后，Tree-AS 和线性 SVM 具有后台数据准备功能，可自动处理常见数据问题
Modeler 18 版本还新增了一种 17.1 版本中没有的大数据算法——时间序列算法的新版本。与旧版本一样，它支持三种预测方法：指数平滑、ARIMA 和专家模型。在 18 版本中，时间序列将在 Analytic Server 中运行并支持多线程。此外，新算法支持拆分建模。在 Modeler 中，可以在类型节点中将变量定义为拆分变量——这样一来，受支持的算法将为每个拆分生成单独的模型。从 18 版本开始，时间序列算法可加入此受支持算法列表。
扩展和拥抱开源的价值
多年来，我们一直在扩展和拥抱开源的价值。正如大家在这个社区所见，我们有许多开源扩展，让非程序员也能运行开源程序，从事从建模到各种图形再到获取不同类型数据等各项工作。我们从 16 版本的 R 扩展开始引入扩展机制。17.1 版本中，我们新增了 Python with Spark 扩展，但要求其在 Analytic Server 中运行。现在 18 版本中，Python with Spark 扩展可在 Modeler 中本地运行。我们还在 Modeler 下载包中包含了 Spark，使任何 Python 代码都可以访问 Spark 机器学习库——注意需要单独安装 Python 2.x。我们测试中使用的发行版是 Anaconda，可从 https://www.continuum.io/downloads 获取。
有了这一变更，所有 Modeler 用户现在都可以运行 Python 扩展。他们可以调用 Spark 机器学习库，其中包括许多 Modeler 中没有的算法，如梯度提升树。如果安装了相应的 Python 库，数据科学家还可以调用常见的 Python 机器学习库，如 num-py、scipy、scikit-learn 和 Pandas。
现在获取社区扩展也变得更加容易。使用新的"扩展"菜单项，Modeler 用户现在可以打开扩展中心。通过这个中心，用户可以查找、下载和安装扩展，而无需到 Github 手动传输文件。
平台灵活性
我们在"帮助"菜单中添加了指向本社区的几个链接——特别是论坛和社区帮助页面。
Modeler Personal 版和 Professional 版从 18 版本起将提供 Mac OS 版本。此外，Modeler 18 的所有版本均支持 Windows 10。
其他变更
Modeler 18 将其数据库内挖掘功能扩展至包含 Z/os 或 IDAA（IBM SB2 Analytics Accelerator）上的 DB2。通过图形界面，Modeler 用户现在可以使用决策树、回归树、K-Means、原生贝叶斯和两步法算法构建和部署模型。
Modeler Premium 现在包含额外的实体分析功能——包括使用外部 DB2 存储库、超过 4 个核心以及展示关系的能力。请注意，不再建议使用超过 1000 万条记录。
在线留言
尊敬的客户朋友，如您有任何意见建议，请通过下表反馈给我们，我们会尽快与您联系。
|
400-621-1085
