原創|行業資訊|編輯:陳俊吉|2016-09-29 09:50:10.000|閱讀 511 次
概述:IBM SPSS Modeler的分析功能和易用性將與數據庫的功能和性能相結合,同時還兼備數據庫供應商提供的數據庫自有算法。模型在數據庫創建,然后可以借助IBM SPSS Modeler界面以正常方式瀏覽模型并為之評分。
# 界面/圖表報表/文檔/IDE等千款熱門軟控件火熱銷售中 >>
相關鏈接:
支持對數據庫供應商的數據挖掘工具和建模工具進行整合,其中包括IBM Netezza、IBM DB2 InfoSphere Warehouse、Oracle Data Miner和Microsoft Analysis Services。實現了在IBM SPSS Modeler的分析功能和易用性將與數據庫的功能和性能相結合,同時還兼備數據庫供應商提供的數據庫自有算法。模型在數據庫創建,然后可以借助界面以正常方式瀏覽模型并為之評分。
那么使用訪問數據庫自有算法有什么優勢呢?主要是兩方面:
1.數據庫內的算法常常與數據庫服務器緊密集成,這有助于提高性能。
2.在“數據庫內”構建和存儲的模型不僅由可訪問數據庫的應用程序共享,且更易于在這些應用程序中部署。
接下來我們以Microsoft Analytics Services為例,介紹如何配置以及使用數據庫內建模功能。
支持集成下列Analysis Services算法包括:
安裝與配置:
在您的機器上,必須安裝以下模塊:
1. 配置IBM SPSS Modeler:
在IBM SPSS Modeler中,在菜單欄的工具-->選項-->幫助應用程序,選擇Microsoft面板,如下圖:
勾上之后,會在下面的面板節點上多了一項數據庫建模,列出了Microsoft Analysis Services支持的數據庫內建模算法,如下圖:
2. 配置 SQL Server
該配置可實現在數據庫內進行評分。
在 SQL Server 主機上創建以下注冊表鍵:
HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\MSSQLServer\Providers\MSOLAP
為該鍵添加如下 DWORD 鍵值:
AllowInProcess 1
完成上述更改后,重新啟動SQL Server。
3. 配置Microsoft Analysis Services
建立IBM SPSS Modeler 與Microsoft Analysis Services 進行通信。
通過MS SQL Server Management Studio 登錄到分析服務器。
訪問“屬性”對話框,右鍵單擊服務器名稱,然后選擇屬性。
選中顯示高級(所有)屬性復選框。
更改以下屬性:
將 DataMining\AllowAdHocOpenRowsetQueries 的值更改為 True(缺省值為False)。
將 DataMining\AllowProvidersInOpenRowset 的值更改為 [all] (無缺省值)。
4. 為SQL Server 創建 ODBC DSN
通過使用 Microsoft SQL Native Client ODBC 驅動程序,創建一個指向數據挖掘過程中使用的 SQL Server 數據庫的 ODBC DSN。余下的驅動程序設置應使用缺省設置。
對于此DSN,請確保選中了使用集成的 Windows 認證。
5. 啟用 SQL 生成和優化
從IBM SPSS Modeler菜單中選擇:工具—>流屬性—>選項—>優化面板,勾選上所有選項內容如下圖:
使用Microsoft Analysis Services 算法生成模型
以上內容配置完成后,即可使用數據庫內的算法生成模型。如下圖:
源節點從SQL Server數據庫中讀取,終端節點又寫回到SQL Server數據庫中,中間使用的是Microsoft的決策樹算法,整個計算過程都在數據庫中實現。
介紹到這里,我們就了解了,如何使用數據庫內算法進行建模的過程,經常會有朋友問說,使用這里的決策樹算法和使用IBM SPSS Modeler封裝好的決策樹算法,結果會有什么不同?預測結果當然是會有差異的了。本身決策樹算法就包含多種,像C&R、CHAID、C5.0、QUEST等,每個算法計算邏輯就不一樣,因此計算得到的結果自然也不一樣,前面我們已經介紹過C&R、CHAID、C5.0這三種算法,他們核心的差異就是選擇最佳分組變量和分割點的標準,而Microsoft Analysis Services決策樹是使用線性回歸來確定決策樹分割位置,它可以用于分類屬性和連續屬性的預測建模。那么到底選擇什么算法為優呢,前面已經介紹了,使用數據庫內建模的好處,大家可以綜合考慮,結合實際場景和數據預測結果的評估再做選擇。
詳情請咨詢!
客服熱線:023-66090381
本站文章除注明轉載外,均為本站原創或翻譯。歡迎任何形式的轉載,但請務必注明出處、不得修改原文相關鏈接,如果存在內容上的異議請郵件反饋至chenjj@fc6vip.cn