通过结合使用 SPSS 与数据库仓库连接开展预测性分析

IBM SPSS Modeler 提供预测性分析，可帮助您发现数据模式，提高预测准确性，并改进决策。本教程演示了在 Watson Studio 上使用 SPSS Modeler 的端到端流程：在 Db2 Warehouse 数据库中摄取数据，执行分析，并将结果作为新表重新存储到数据库中。

学习目标

本教程将展示如何：

1. 在 Watson Studio 中添加 Db2 Warehouse 连接。
2. 创建一个新的 SPSS Modeler 流或添加一个现有的 SPSS Modeler。
3. 运行 SPSS Modeler 并将输出存储在 Db2 Warehouse 中。

前提条件

• IBM Cloud 帐户
• IBM Cloud 目录中的对象存储服务实例
• IBM Cloud 目录中的 Watson Studio 服务实例
• IBM Cloud 目录中的 Db2 Warehouse 服务实例
• 对于本教程，我们将使用 Kaggle 的 Titanic 数据集，可在 此处找到 。在您下载了该数据集之后，将文件解压缩到本地文件系统。

预估时间

完成本教程大约需要 30 分钟。

步骤

第 1 步：在 Db2 Warehouse 中加载样本数据

• 打开IBM Cloud Dashboard，然后在 Cloud Foundry Services 下面打开您创建的 Db2 Warehouse instance 。
• 在打开的页面中单击 Open Console ，如下所示。
  
• 在此服务打开之后，从侧边菜单中单击 load 选项。
  
• 从 Kaggle 提供的解压数据文件夹中选择 train.csv 文件。
  
• 在加载后，选择适当的模式，通常指定为 DASH 后跟一系列数字。单击 New Table 选项，如下所示。
  
• 将其命名为 TITANIC_DATA 或者您选择的任何其他名称。然后单击 Begin Load 。

第 2 步：在 Watson Studio 中添加 Db2 Warehouse 连接

• 从 IBM Cloud Dashboard 中打开 Watson Studio，然后导航到创建的项目，或者创建一个新的 Modeler 项目，并确保将您的 Cloud Object Storage 实例链接到该项目。
  
• 单击 Add to Project 按钮，然后选择 Connection 。
  
• 选择在 IBM Cloud 中创建的 Db2 Warehouse 实例。
  
• 详细信息应该已经填写，此时单击 Create 按钮。
  

第 3 步：创建 SPSS Modeler 并从 Db2 Warehouse 插入数据

• 单击 Add to Project 按钮，然后选择 Modeler 。
  
• 输入建模器的名称，并确保选择了以下选项，然后单击 Create 。
  
• 在右侧菜单的 Import 选项卡下，拖放 Data Assets 节点。
  
• 单击 Change Data Asset > Connections > Db2Warehouse ，然后选择您的模式或默认模式（以 DASH 开头）和上传的表。接下来，单击 Save 。
  

第 4 步：使用 SPSS Modeler 实现可视化、开展分析并进行特征选择

• 在给定一个数据集的情况下，SPSS Modeler 提供了许多可视化 工具 来理解这些数据。在本节中，本教程将展示如何创建这些可视化内容，并根据数据获得洞察。

可视化

• 在 Data Asset 节点的选项中，单击 Preview 选项，然后转到 Visualizations 选项卡。
  
• 柱状图用于显示数据的分布情况，在这个例子中，绘制图形时，在 x 轴上绘制 Age 并按 sex 划分。

  

  从这张图中，我们可以看到乘客的年龄服从正态分布，即大多数人的年龄范围在 20 到 55 岁之间，而 20 岁以下和 50 岁以上的人较少。我们也可以看到，在某些年龄组中，男性多于女性。

  • 条形图便于一目了然地比较不同组之间的数据集。在这里，我们看到的是男性幸存者和女性幸存者人数之间的比较情况。以 sex 为类别，汇总值为 count ，值选项为 Survived 。
    
  • 当试图计算出某些内容的构成时，最好使用饼图。在这种情况下，我们给出了类别 Cabin 。
    

    从这个饼图中，我们可以看到 80% 的 Cabin 列包含 NaN，也就是缺少值。因此，我们可以得出结论：这一列不会影响目标，在我们的例子中，也就是 Survived 列，因而可以删除这一列。

特征选择

• 在使用特征选择之前，我们需要准备数据集。首先，我们使用 Filler 通过空值和 NaN 值来填充所有缺失值。接下来，我们使用 Filter 节点通过可视化阶段过滤掉 Cabin 列。最后，指定正确的 Type 。
  
• 在 Type 节点中，将 Survived 列的 Role 属性调整为 Target 。
  
• 使用 Modeling 选项卡下的特征选择方法，并运行建模器。
  
• 将生成一个模型节点，当连接到 Output 选项卡中的 Table 节点时，您可以看到它过滤掉了不重要的列。

注意：可以使用 Derive 和 Merge 等节点从现有列创建新列，并合并两个数据帧。

第 5 步：将数据重新保存到 Db2 Warehouse

• 从 Export 选项卡添加 Data Asset Export 节点。
• 遵循 1.在 Db2 Warehouse 中加载样本数据 中的步骤连接您的 Db2 Warehouse 实例，并选择任意表。
• 在保存对节点的更改之前，输入输出表的名称，确保该名称对于模式中的表名是唯一的。
  
• 运行建模器流程，所需的输出将保存在您的 Db2 Warehouse 中。

结束语

在本教程中，您学习了如何：

• 将数据从 Db2 Warehouse 加载到 SPSS Modeler 中。
• 使用 SPSS 节点对给定数据集执行初步可视化、预处理和特征工程。
• 将数据直接重新存储到 Db2 Warehouse。

本文翻译自： Predictive analytics using SPSS with database warehouse connection （2019-03-05）