SPSS Modeler ノードリファレンス目次

SPSS関連イベントのご案内

SPSS Modeler 春のオンラインユーザーイベント6/6 予約開始

SPSS Modelerの歩き方2024

ノードリファレンスとURL

SPSS Modelerの特にユーザーの利用頻度が高いノードを解説します。
掲載ノード数 86

1.入力

データを入力する

Index	ノード名	ノード	目的	リンク
1-1	可変長 ファイル		CSVなどのテキストファイルを読み込む	https://qiita.com/416nishimaki/items/8b84eb92da0b9426eb18
1-2	Excel 入力		Excelファイルを読み込む	https://qiita.com/416nishimaki/items/36684361a70aaf9634b0
1-3	ユーザー 入力		データを生成する	https://qiita.com/416nishimaki/items/7cac454b4484f79d3587
1-4	データ ベース		データベースのテーブルを読み込む	https://qiita.com/416nishimaki/items/ee13873b9d78268d648a
1-5	地理 空間		地理空間データを読み込む	https://qiita.com/416nishimaki/items/42d55b420d8746de5e3a
1-6	シミュレーション 生成		シミュレーションデータを生成する	https://qiita.com/416nishimaki/items/f627ed943e6457eb85d2
1-7	拡張の インポート		PythonやRと連携してデータを読み込む	https://qiita.com/416nishimaki/items/754df7cedb034448e388
1-8	JSON 入力		JSON形式のファイルをを読み込む	https://qiita.com/kawada2017/items/a19de2b444d59ccbae1e
1-9	固定長 入力		基幹系からの固定長ファイルをを読み込む	https://qiita.com/kawada2017/private/8d9ae03283e3c5865568

2.レコード設定

データの行を加工する

Index	ノード名	ノード	目的	リンク
2-1	条件抽出		レコードを抽出する	https://qiita.com/416nishimaki/items/dcb99c48dde67c5adc9a
2-2	レコード 集計		レコードを集計する	https://qiita.com/416nishimaki/items/eba427686b4af9b7d41c
2-3	ソート		レコードを並び替える	https://qiita.com/416nishimaki/items/f6040fc4aae2c0fd2b6f
2-4	重複 レコード		重複レコードを排除する	https://qiita.com/416nishimaki/items/f06f5fbf002d6fcea8bc
2-5	レコード 結合		レコードを横方向に結合する	https://qiita.com/416nishimaki/items/be61a82c12cd83558def
2-6	レコード 追加		レコードを縦方向に追加する	https://qiita.com/416nishimaki/items/6e20d46ca1b6574804f0
2-7	サンプリング		レコードをサンプリングする	https://qiita.com/416nishimaki/items/98648cf8bf3fdbb0c3aa
2-8	バランス		予測対象の不均衡を乱数で調整する	https://qiita.com/416nishimaki/items/a873ffd1eb14a13296be
2-9	SMOTE		予測対象の不均衡をMLで調整する	https://qiita.com/416nishimaki/items/58cdd5f9b825f17a9e0a
2-10	ストリーミング時系列分析		実行時の最新データで時系列を予測する	https://qiita.com/416nishimaki/items/11d1581bef7fff2a9ede
2-11	拡張の変換		PythonやRと連携してデータ加工する	https://qiita.com/416nishimaki/items/e910f8869f8446c398c5
2-12	スペースタイム ボックス		座標と時刻で移動体をグループ化する	https://qiita.com/416nishimaki/items/07c77b96a860c38decf5
2-13	RFM 集計		顧客価値をRFMの指標で算出する	https://qiita.com/416nishimaki/items/8c7cd38fb966b4ced05a
2-14	CPLEXの 最適化		ModelerからCPLEXで最適化を行う	https://qiita.com/kawada2017/items/3effc7330b9c7b9c9316
2-15	Statistics 変換		Statsの加工機能を連携する	https://qiita.com/416nishimaki/items/df72045bf9f9d00e4b7c

3.フィールド設定

データの列を加工する

Index	ノード名	ノード	目的	リンク
3-1	フィールド作成		新規フィールドを作成する	https://qiita.com/416nishimaki/items/9c8109ab7a2c1838392e
3-2	置換		フィールドを置き換える	https://qiita.com/416nishimaki/items/8c0b22ba0e79c32f94e1
3-3	データ型		データ型と予測対象を定義する	https://qiita.com/416nishimaki/items/0522f72e897fcb222a61
3-4	フィルター		フィールドの削除と名称を変更する	https://qiita.com/416nishimaki/items/52f857c98036d2f44839
3-5	フラグ 設定		フィールドを列に展開する（フラグ）	https://qiita.com/416nishimaki/items/bcaec1cd8e455c3f68a9
3-6	再構成		フィールドを列に展開する（数値）	https://qiita.com/416nishimaki/items/6dcaecfc9343af0825b6
3-7	データ 区分		学習用と検証用にデータを区分する	https://qiita.com/416nishimaki/items/48759c41199d1d00a0bc
3-8	データ 分割		数値データをグループに分割する	https://qiita.com/416nishimaki/items/bc1ab07c38821af60914
3-9	データ 分類		カテゴリの値を再分類する	https://qiita.com/416nishimaki/items/794fab983057aeb17280
3-10	行列 入替		テーブルの構造を入れ替える	https://qiita.com/416nishimaki/items/c7362fdbbed9e6658689
3-11	時系列		過去N期前の値を作成する（階差）	https://qiita.com/416nishimaki/items/b47d6584ac08f06ab4fa
3-12	アンサンブル		複数モデルの予測を合成する	https://qiita.com/416nishimaki/items/b88e9b353adb863f8a47
3-13	RFM分析		算出済みのRFMの値からランク分けする	https://qiita.com/416nishimaki/items/aef0dd5bfeacd486d29e
3-14	データの 自動準備		目的に応じてデータを自動変換する	https://qiita.com/416nishimaki/items/492b1522dd1ae083c664
3-15	フィールド 順序		フィールドの順序を入れ替える	https://qiita.com/416nishimaki/items/55b035e939498ce790a6

4.グラフ

データを可視化する

Index	ノード名	ノード	目的	リンク
4-1	ヒストグラム		数値の分布を確認する	https://qiita.com/416nishimaki/items/01d2ea856a3d915726ea
4-2	棒グラフ		度数の分布を確認する	https://qiita.com/416nishimaki/items/8178b9565b8da1a794f1
4-3	散布図		関係性を確認する	https://qiita.com/416nishimaki/items/dc7e7ca6d5d85d2ef911
4-4	時系列 グラフ		時系列の値の変化を確認する	https://qiita.com/416nishimaki/items/c5cc0c087b464fe162e5
4-5	評価		予測の判別効率を確認する	https://qiita.com/416nishimaki/items/5269bb70ca8145abaea9
4-6	Web グラフ		共起関係を確認する	https://qiita.com/416nishimaki/items/439b00e01f90e7db6065
4-7	マップ 視覚化		統計量を地図で視覚化する	https://qiita.com/416nishimaki/items/5b0a555f32c136718a5a
4-8	グラフ ボード		対話的にグラフ作成する	https://qiita.com/416nishimaki/items/adacafd14fead4a121f1
4-9	線グラフ		複数系列の折れ線グラフを作成する	https://qiita.com/416nishimaki/items/19fc5ee6fee08e84c92d

5.モデル作成

パターン発見・分類・予測を実行する

Index	ノード名	ノード	目的	リンク
5-1	線型 回帰		連続型を予測する	https://qiita.com/416nishimaki/items/041619da302a46125b72
5-2	１次		連続型を予測する	https://qiita.com/Makimaki2020/private/acbade8927eb10deee00
5-3	CHAID		カテゴリ型/連続型を予測する (決定木)	https://qiita.com/416nishimaki/items/0b605e54e5f7964bd61e
5-4	Kohonen		類似レコードに 分類する (クラスター)	https://qiita.com/416nishimaki/items/f06d5f7c6d19e37b5bb3
5-5	Cox		打ち切りのフラグデータを予測する (Cox回帰)	https://qiita.com/Makimaki2020/items/49a23104fdc4faabf441
5-6	Apriori		アソシエーション（連関）を発見する	https://qiita.com/416nishimaki/items/cd45f87ecc41c6277b6b
5-7	シーケンス		時系列アソシエーション（連関）を発見する	https://qiita.com/416nishimaki/items/5d28d0819f17335669c2
5-8	時系列		時系列データを 予測する (Autoモデリング)	https://qiita.com/416nishimaki/items/f7842af5af1d6410526d
5-9	ロジスティック 回帰		カテゴリ型を 予測する	https://qiita.com/Makimaki2020/items/b56e615c6c6f22cc95af
5-10	SVM		カテゴリ型/連続型を予測する	https://qiita.com/Makimaki2020/items/21ba1b3542fcc754d03c
5-11	自動分類		カテゴリ型を 予測する Autoモデリング	https://qiita.com/416nishimaki/items/3861d67b960a91fa4137
5-12	自動数値		連続型を 予測する Autoモデリング	https://qiita.com/416nishimaki/items/2fb9f3a439afba803691
5-13	拡張モデル		PythonやRのライブラリでモデリングする	https://qiita.com/416nishimaki/items/c9a2a3b3cbf0e8e46fe1
5-14	特徴量選択		予測に有効な列を自動選別する	https://qiita.com/416nishimaki/items/7d419b8a146935ecd36d
5-15	TwoStep		類似レコードに 分類する (クラスター)	https://qiita.com/416nishimaki/items/ee64352a2edc87d78abd
5-16	因子分析		フィールド(列)を 縮約する (主成分分析)	https://qiita.com/416nishimaki/items/8fa72c6b56bd717858ff
5-17	ディシジョンリスト		ビジネスルールと アルゴリズムを 組み合わせる	https://qiita.com/416nishimaki/items/1d25f642a1e6f88d2133
5-18	K-means		類似レコードに 分類する (クラスター)	https://qiita.com/kawada2017/items/0f4b618e7cff8eb0a353
5-19	KNN (最近傍)		カテゴリ型/連続型を予測する	https://qiita.com/416nishimaki/items/1f1c3ea3c2e01762261b
5-20	異常値検査		異常なレコードを特定する	https://qiita.com/416nishimaki/items/b1944033f64499b1b74b
5-21	Statistics モデル		Statsモデルと連携する	https://qiita.com/416nishimaki/items/f51e8281cf68772dc0a2

6.出力

処理結果を表示する

Index	ノード名	ノード	目的	リンク
6-1	テーブル		データを表示する	https://qiita.com/416nishimaki/items/cf4dba144abbdd3dd935
6-2	データ 検査		データの概要を捉える	https://qiita.com/416nishimaki/items/27fc3b6a2e596726877c
6-3	クロス 集計		２つのフィールドをかけ合わせて集計する	https://qiita.com/416nishimaki/items/7006912d4d4f6515841b
6-4a	精度分析 判別		判別予測の精度を表示する	https://qiita.com/416nishimaki/items/fa492fa4c68e05f3c3f3
6-4b	精度分析 回帰		数値予測の精度を表示する	https://qiita.com/kawada2017/items/bc543f0f1bb401854c0e
6-5	グローバルの設定		関数で呼び出す統計量を記憶する	https://qiita.com/416nishimaki/items/c2df811b51166f6d6173
6-6	シミュレーションの当てはめ		分布と相関を維持してデータを増幅する	https://qiita.com/416nishimaki/items/3ffd2740985fe955d423
6-7	シミュレーション評価		シミュレーション結果を評価する	https://qiita.com/416nishimaki/items/4c1220de1e360cf3bdc2
6-8	拡張の出力		PythonやRと連携して表示する	https://qiita.com/416nishimaki/items/e1e33d1e13db5895fa99
6-9	平均値		平均を比較して有意差を表示する	https://qiita.com/416nishimaki/items/f5b957a24430b9a3aa9e
6-10	変換		偏りのあるデータを対数/逆/指数/平方根変換する	https://qiita.com/416nishimaki/items/8dc60fd0828ca1fa4182
6-11	Statistics出力		Statsの分析を連携させ表示する	https://qiita.com/416nishimaki/items/c7aaebd28c4d76c03b9a

7.エクスポート

処理結果をエクスポートする

Index	ノード名	ノード	目的	リンク
7-1	フラット ファイル		データをCSVなどのテキストファイルとして保存する	https://qiita.com/416nishimaki/items/c1fb064df7a53c7385e7
7-2	Excel エクスポート		データをExcelファイルとして保存する	https://qiita.com/416nishimaki/items/3ec81ebf749a3d86d196
7-3	データ ベース		データをDBに保存する	https://qiita.com/416nishimaki/items/0af81c33ac4f07ae2dbe
7-4	拡張の エクスポート		PythonやRと連携して データを保存する	https://qiita.com/416nishimaki/items/a6d8910e614c3552bb0d
7-5	Statistics エクスポート		データをSPSS Statistics 形式で保存する	https://qiita.com/416nishimaki/items/5780e50f03192253c461

F.ノード共通機能

SPSS Modelerの便利な機能をピックアップ

＊リンクは外部サイトや過去のSPSSブログや動画に直接繋がっています。

Index	機能名	概要	リンク
F-1	データ表示 （新グラフ）	ver18.2で搭載された新しいグラフと統計表示機能	https://www.ibm.com/blogs/solutions/jp-ja/learn-modeler-04/
F-2	スーパー ノード	ストリームの一部をカプセル化してチームで共有する	https://www.ibm.com/blogs/solutions/jp-ja/spssmodeler-push-node-20/
F-3	DSTAS for Modeler	SA社が提供するテキストマイニング有償ストリーム集	https://smart-analytics.jp/spss/ibm-spss-modeler/datas_for_modeler/
F-4	キャッシュ	データ集約時点でノードにデータをキャッシュし作業を効率化する	https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-01/
F-5	SQLプッシュ バック	ストリームがDBにSQLを自動発行し大規模データを高速に処理する	https://www.ibm.com/blogs/solutions/jp-ja/learn-modeler-02/
F-6	DB キャッシュ	DBに一時テーブルを自動で作成し後続でSQLプッシュバックさせる	https://qiita.com/kawada2017/items/ea4f0e1b068c9bb152e5
F-7	GUI スクリプト	単純な繰り返しの処理をマウス操作で実行する	https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-23/
F-8	Python スクリプト	複雑な繰り返し処理をPythonで実行する	https://www.ibm.com/blogs/solutions/jp-ja/learn-modeler-01/
F-9	コメント （付箋）	ノードにコメントをつけてチームと共有する	https://qiita.com/kawada2017/items/01daa98cb5ec3fd61dd8
F-10	確信度と 傾向スコア	予測の確らしさを スコア化する	https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-07/
F-11	拡張 ノード	PythonやRの機能を 連携して利用する	https://www.ibm.com/blogs/solutions/jp-ja/learn-modeler-05/
F-12	カスタム ノード	外部の機能を呼び出すための ノードを作成する	https://speakerdeck.com/jpspss/onewex-spsslian-xi-niyorutekisutofen-xi-falsekuo-zhang?slide=13
F-13	入力変数の 重要度	複数のモデルの入力変数の 重要度を比較する	https://www.ibm.com/blogs/solutions/jp-ja/learn-modeler-07/
F-14	自動化と 業務展開	SPSS CADSを用いて 自動化と業務展開を実現する	https://www.youtube.com/watch?v=gxktNevQ0LY
F-15	ブラウザで データ抽出	SPSS CADSを用いて ブラウザから非定型データ抽出	https://www.youtube.com/watch?v=RxAnuauZBPU
F-16	MLOps	SPSS CADSを用いて 実装後のモデル管理(MLOps)	https://qiita.com/kawada2017/items/b5e1f94fafadbd2452eb
F-17	自然言語処理	Python連携を用いて テキスト文書からキーワードにフラグを立てる	https://qiita.com/kawada2017/items/5fbfc8195fc4cceaeff4#_reference-df89548514a086c26762

関連記事

Modeler書籍紹介とユーザー筆者座談会ブログ