search
LoginSignup
15
Help us understand the problem. What are the problem?

posted at

updated at

SPSS Modeler ノードリファレンス目次

イベント案内

SPSS Modelerの歩き方2022春

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。
2022/09/30 最終更新 掲載ノード数 76

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
194-161可変長.png 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
194-161エクセル.png Excelファイルを読み込む https://qiita.com/416nishimaki/items/36684361a70aaf9634b0
1-3 ユーザー
入力
194-161ユーザー入力.png データを生成する https://qiita.com/416nishimaki/items/7cac454b4484f79d3587
1-4 データ
ベース
194-161データベース入力.png 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
194-161地理空間.png 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
194-161シミュレーション生成.png 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
194-161拡張のインポート.png PythonやRと連携してデータを読み込む https://qiita.com/416nishimaki/items/754df7cedb034448e388

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 194-161条件抽出.png レコードを抽出する https://qiita.com/416nishimaki/items/dcb99c48dde67c5adc9a
2-2 レコード
集計
194-161レコード集計.png レコードを集計する https://qiita.com/416nishimaki/items/eba427686b4af9b7d41c
2-3 ソート 194-161ソート.png レコードを並び替える https://qiita.com/416nishimaki/items/f6040fc4aae2c0fd2b6f
2-4 重複
レコード
194-161重複レコード.png 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
194-161レコード結合.png 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
194-161レコード追加.png 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 194-161サンプリング.png 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 194-161バランス.png 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 194-161SMOTE.png 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 194-161S時系列.png 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 194-161拡張の変換.png 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
194-161STB.png 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
194-161RFM集計2.png 顧客価値をRFMの指標で算出する https://qiita.com/416nishimaki/items/8c7cd38fb966b4ced05a

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 194-161フィールド作成.png 新規フィールドを作成する https://qiita.com/416nishimaki/items/9c8109ab7a2c1838392e
3-2 置換 194-161置換.png フィールドを置き換える https://qiita.com/416nishimaki/items/8c0b22ba0e79c32f94e1
3-3 データ型 194-161データ型.png 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 194-161フィルター.png 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
194-161フラグ設定.png 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 194-161再構成.png 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
194-161データ区分.png 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
194-161データ分割.png 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
194-161データ分類.png カテゴリの値を再分類する https://qiita.com/416nishimaki/items/794fab983057aeb17280
3-10 行列
入替
194_161行列入替.png テーブルの構造を入れ替える https://qiita.com/416nishimaki/items/c7362fdbbed9e6658689
3-11 時系列 194-161時系列加工.png 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 194-161アンサンブル.png 複数モデルの予測を合成する https://qiita.com/416nishimaki/items/b88e9b353adb863f8a47
3-13 RFM分析 194-161RFM分析2.png 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
194-161自動準備.png 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
194_161フィールド順序.png 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 194-161ヒストグラム.png 数値の分布を確認する https://qiita.com/416nishimaki/items/01d2ea856a3d915726ea
4-2 棒グラフ 194-161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 194-161散布図.png 関係性を確認する https://qiita.com/416nishimaki/items/dc7e7ca6d5d85d2ef911
4-4 時系列
グラフ
194-161時系列グラフ.png 時系列の値の変化を確認する https://qiita.com/416nishimaki/items/c5cc0c087b464fe162e5
4-5 評価 194-161評価.png 予測の判別効率を確認する https://qiita.com/416nishimaki/items/5269bb70ca8145abaea9
4-6 Web
グラフ
194_161Webグラフ.png 共起関係を確認する https://qiita.com/416nishimaki/items/439b00e01f90e7db6065
4-7 マップ
視覚化
194-161マップ視覚化.png 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
194-161グラフボード.png 対話的にグラフ作成する https://qiita.com/416nishimaki/items/adacafd14fead4a121f1
4-9 線グラフ 194-161線グラフ.png 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
194_161線型.png 連続型を予測する https://qiita.com/416nishimaki/items/041619da302a46125b72
5-2 1次 194_161一次.png 連続型を予測する https://qiita.com/Makimaki2020/private/acbade8927eb10deee00
5-3 CHAID 194_161CHAID.png 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 194_161Kohonen.png 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 194_161cox.png 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 194_161apriori.png 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 194-161シーケンス.png 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 194-161時系列.png 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
194-161ロジスティック.png カテゴリ型を
予測する
https://qiita.com/Makimaki2020/items/b56e615c6c6f22cc95af
5-10 SVM 194_161SVM.png 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 194_161自動分類.png 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 194_161自動数値.png 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 194-161拡張モデル.png 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 194-161特徴量選択.png 予測に有効な列を自動選別する https://qiita.com/416nishimaki/items/7d419b8a146935ecd36d
5-15 TwoStep 194_161twostep.png 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 194_161因子分析.png 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 194_161ディシジョンリスト.png ビジネスルールと
アルゴリズムを
組み合わせる
TBD
5-18 K-means 194_161K-means.png 類似レコードに
分類する
(クラスター)
https://qiita.com/kawada2017/items/0f4b618e7cff8eb0a353

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 194-161テーブル.png データを表示する https://qiita.com/416nishimaki/items/cf4dba144abbdd3dd935
6-2 データ
検査
194-161データ検査.png データの概要を捉える https://qiita.com/416nishimaki/items/27fc3b6a2e596726877c
6-3 クロス
集計
194-161クロス集計.png 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
194-161精度分析.png 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
194-161精度分析2.png 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 194-161グローバル.png 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 194-161当てはめ2.png 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 194-161シミュ評価.png 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 194-161拡張の出力2.png PythonやRと連携して表示する https://qiita.com/416nishimaki/items/e1e33d1e13db5895fa99
6-9 平均値 194-161平均値.png 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 194-161変換2.png 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

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
194_161フラットファイル.png 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
194_161EXCEL.png 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
194-161データベース.png 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
194-161拡張のエクスポート.png PythonやRと連携してデータを保存する https://qiita.com/416nishimaki/items/a6d8910e614c3552bb0d

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1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 

関連記事

Modeler書籍紹介とユーザー筆者座談会ブログ

Register as a new user and use Qiita more conveniently

  1. You can follow users and tags
  2. you can stock useful information
  3. You can make editorial suggestions for articles
What you can do with signing up
15
Help us understand the problem. What are the problem?