12、数据挖掘：SPSS Statistics与SPSS Modeler的对比与应用

数据挖掘：SPSS Statistics与SPSS Modeler的对比与应用

1. 引言

在当今数据驱动的时代，预测分析变得至关重要。虽然我们很多人在统计方面有一定基础，但在预测分析中，借鉴计算机科学、知识发现和机器学习领域的技术是很有必要的。不过，这并不意味着我们必须使用专门的数据挖掘工具，实际上，SPSS Statistics也能完成很多数据挖掘任务。本文将探讨三个关键问题：什么是数据挖掘，它与统计学有何不同；SPSS Modeler数据挖掘工作台是什么；能否在SPSS Statistics中有效地执行数据挖掘任务。

2. 数据挖掘的定义

数据挖掘利用在正常业务过程中积累的历史数据，涉及选择、准备和分析数据，发现并确认先前未知的模式，构建预测模型，并将这些模型应用于当前数据。以下是对该定义各要素的详细阐述：
- 历史数据 ：数据挖掘需要已获得感兴趣结果的数据。由此得到的模型随后应用于结果未知但可预测的新数据。
- 正常业务过程 ：在统计学中，通常先有假设，然后设计实验来收集能验证假设的数据。而数据挖掘的数据是为了业务运营而收集的，并非用于实验。
- 选择和准备 ：人们常认为数据挖掘是对所有可用数据进行分析，算法会自动搜索模式，这是错误的。数据挖掘通常只针对数据的一小部分进行，这部分数据与业务问题相关。
- 先前未知的模式 ：数据挖掘不是凭直觉探索数据以确认预感，也不同于假设检验。它是系统地搜索能为业务带来价值的模式，若没有意外发现，那将是令人失望的，但这种情况很少见。
-