IBM SPSS Modeler全面支持数据挖掘CRISP-DM的标准流程。IBM SPSS Modeler可提供数据挖掘相关的数据理解、数据抽取加载转换、数据分析、建模、评估、部署等全过程的功能。

强大的数据读取功能

IBM SPSS Modeler提供方便、及时的数据访问，可以接入各种各样的数据源和数据文件，在数据挖掘过程中无需考虑数据源和所在平台及其数据格式。

丰富的数据处理方法

据统计，数据挖掘过程中数据的质量、数量等各种问题，使得该过程平均有75%以上的时间花费在数据预处理阶段，IBM SPSS Modeler提供多种数据处理节点，分析人员可以通过拖拉的方式实现数据的预处理，而无需精通数据库语言

图形化的数据探索方式

IBM SPSS Modeler提供了多种图形化技术和输出报告，帮助您理解数据间的关键性联系，并指导您以便捷的途径找到问题的解决办法。

核心的数据挖掘算法

数据探索类模型

“特征选择”节点、“主成分/因子分析”算法、“异常侦测算法（Anomaly Detection）”

决策树模型

允许您开发分类系统，此分类系统可以基于一组决策规则来预测或分类未来的观测值。

聚类模型 

主要用来确定相似记录的组并根据它们所属的组来为记录添加标签。不需事先了解组信息及组特征即可  完成该操作。事实上，甚至无法确切知道要查找多少个组。

关联性分析模型

IBM SPSS Modeler可以通过Apriori、GRI及CARMA三种算法发现关联规则。若数据呈现序列性，则可采用“序列”节点发现连续数据或面向时间的数据中的模式。

时间序列分析模型 

时间序列算法集成了指数平滑、单变量ARIMA和多变量ARIMA算法来预测基于时间序列的数据。IBM SPSS Modeler提供“专家模式”，自动侦测和评估出使用哪种算法能够得到精确的预测结果。这种方式能够减少用户在模型训练中的误差和调试的时间。在所有情况下，专家模式都能给出一个匹配程度好的模型。

其它统计分析与数据挖掘模型

IBM SPSS Modeler还提供决策列表、神经网络模型、相邻元素模型、线性回归、逻辑回归、广义线性模型、判别分析、Cox 回归SVM、贝叶斯网络等多种算法。

• 简洁直观的模型评估
• 性能卓越的三层体系架构
• 格式的数据导出
• 灵活的产品部署