通过结合使用 SPSS 与数据库仓库连接开展预测性分析

命甴己造

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：
在 Watson Studio 中添加 Db2 Warehouse 连接。
创建一个新的 SPSS Modeler 流或添加一个现有的 SPSS Modeler。
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https://www.kaggle.com/c/titanic/data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。


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。
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。