視覺化資料科學建模工具
在資料科學領域中，我們可以運用描述性分析、預測性建模、文字分析、地理位置分析、實體分析、決策管理和最佳化等技術來發掘隱藏在資料背後的模式，並將 AI 預測性模型整合到企業營運系統中發揮其價值。IBM SPSS Modeler 是一套功能強大的視覺化資料科學建模工具，內建提供多種先進演算法和建模功能，讓資料科學團隊可以從不斷擴大且錯綜複雜的資料中得出預測型情報，持續在關鍵時刻作出正確決策。
功能優勢
資料準備與操控
分析過程中準備資料是相當重要卻非常費時的步驟，IBM SPSS Modeler 透過自動化資料準備步驟來簡化流程，協助您確認資料是否為用於分析的最佳格式。自動化任務包括分析資料和辨識修正方案、排除欄位、在適當時機創建衍生變數，並透過智能化過濾技術優化建模效能。
自動化資料建模
透過 IBM SPSS Modeler 的自動化資料建模功能，即便不是統計專業人員，都可以快速產生正確的 AI 預測模型。自動化建模功能可以讓您比較多種演算法，您可以為每個演算法套用預設參數配置或自訂選項來探索各類模型組合。自動建模產生的模型會使用指定的指標進行評分，您可以依據評分排名或在進一步分析後，儲存最適合的模型來使用。
內建多種先進演算法
IBM SPSS Modeler 提供多元化建模技術，包括下列所有的演算法：
- 分類演算法：決策樹、隨機樹、神經網路、Logistic 迴歸、支援向量機 (SVM)、Cox 迴歸、廣義線性混合模型 (GLMM) 等。
- 叢集演算法：K-Means、TwoStep、Kohonen、Hierarchical Density-Based Spatial Clustering (HDBSCAN) 等。
- 關聯規則演算法：Apriori、CARMA、序列關聯演算法等。
- 時間序列演算法：指數平滑化模型、單變異數自身迴歸整合移動均數 (ARIMA) 及多變異數 ARIMA 模型等。
文字分析與探勘
IBM SPSS Modeler 的互動式視覺化環境運用先進的語言技術和自然語言處理能力，能夠快速處理非結構化的文字資料，並且從文字中找出關鍵概念進行整理。產品內建為特定產業量身訂做文字分析套裝服務，除了分析文本內容中出現的縮寫字、表情符號和俚語之外，還可分析相關術語和專業用語。
預期效益
直覺式圖形介面降低建模困難度
透過視覺化圖形操作介面，使用者可以專心發掘洞察，而不是將時間花在撰寫程式碼等技術任務中，藉以挖掘出更多有助於企業經營的關聯性。
Python 與 R 程式語言的延伸性
SPSS Modeler 產品具備開放式擴充能力，透過延伸模組擴充功能，即可分享和重複使用既有機器學習程式碼創建的資產，避免重複開發額外的成本。
運用預測性分析提升決策能力
將 AI 預測性模型、決策規則和評分整合於企業營運系統中，隨時隨地提供行動建議，實現最佳化大量決策需求，滿足企業營運目標及策略。
