ibm spss modeler server支援對資料庫**商的資料探勘工具和建模工具進行整合，其中包括ibm netezza、ibm db2 infosphere warehouse、oracle data miner和microsoft analysis services。實現了在ibm spss modeler的分析功能和易用性將與資料庫的功能和效能相結合，同時還兼備資料庫**商提供的資料庫自有演算法。模型在資料庫建立，然後可以借助ibm spss modeler介面以正常方式瀏覽模型並為之評分。
那麼使用ibm spss modeler訪問資料庫自有演算法有什麼優勢呢？主要是兩方面：
1.資料庫內的演算法常常與資料庫伺服器緊密整合，這有助於提高效能。
2.在「資料庫內」構建和儲存的模型不僅由可訪問資料庫的應用程式共享，且更易於在這些應用程式中部署。
接下來我們以microsoft analytics services為例，介紹如何配置以及使用資料庫內建模功能。
ibm spss modeler支援整合下列analysis services演算法包括：
決策樹聚類
關聯規則
樸素貝葉斯
線性回歸
神經網路
logistic回歸
時間序列
序列聚類
安裝與配置：
在您的機器上，必須安裝以下模組：
ibm spss modeler client
ibm spss modeler server
microsoft analysis services,與相應資料庫建立odbc連線
配置ibm spss modeler：
在ibm spss modeler中，在選單欄的工具–>選項–>幫助應用程式，選擇microsoft面板，如下圖：
勾上之後，會在下面的面板節點上多了一項資料庫建模，列出了microsoft analysis services支援的資料庫內建模演算法，如下圖：
配置 sql server
該配置可實現在資料庫內進行評分。
在 sql server 主機上建立以下登錄檔鍵：
hkey_local_machine\software\microsoft\mssqlserver\providers\msolap
為該鍵新增如下 dword 鍵值：
allowinprocess 1
完成上述更改後，重新啟動sql server。
配置microsoft analysis services
建立ibm spss modeler 與microsoft analysis services 進行通訊。
通過ms sql server management studio 登入到分析伺服器。
訪問「屬性」對話方塊，右鍵單擊伺服器名稱，然後選擇屬性。
選中顯示高階（所有）屬性核取方塊。
更改以下屬性：
將 datamining\allowadhocopenrowsetqueries 的值更改為 true（預設值為false）。
將 datamining\allowprovidersinopenrowset 的值更改為 [all] （無預設值）。
為sql server 建立 odbc dsn
通過使用 microsoft sql native client odbc 驅動程式，建立乙個指向資料探勘過程中使用的 sql server 資料庫的 odbc dsn。餘下的驅動程式設定應使用預設設定。
對於此dsn，請確保選中了使用整合的 windows 認證。
啟用 sql 生成和優化
從ibm spss modeler選單中選擇：工具—>流屬性—>選項—>優化面板，勾選上所有選項內容如下圖：
使用microsoft analysis services 演算法生成模型
以上內容配置完成後，即可使用資料庫內的演算法生成模型。如下圖：
源節點從sql server資料庫中讀取，終端節點又寫回到sql server資料庫中，中間使用的是microsoft的決策樹演算法，整個計算過程都在資料庫中實現。
介紹到這裡，我們就了解了，如何使用資料庫內演算法進行建模的過程，經常會有朋友問說，使用這裡的決策樹演算法和使用ibm spss modeler封裝好的決策樹演算法，結果會有什麼不同？**結果當然是會有差異的了。本身決策樹演算法就包含多種，像c&r、chaid、c5.0、quest等，每個演算法計算邏輯就不一樣，因此計算得到的結果自然也不一樣，前面我們已經介紹過c&r、chaid、c5.0這三種演算法，他們核心的差異就是選擇最佳分組變數和分割點的標準，而microsoft analysis services決策樹是使用線性回歸來確定決策樹分割位置，它可以用於分類屬性和連續屬性的**建模。那麼到底選擇什麼演算法為優呢，前面已經介紹了，使用資料庫內建模的好處，大家可以綜合考慮，結合實際場景和資料**結果的評估再做選擇。
IBM SPSS Modeler隨機森林演算法介紹
在之前的文章 bagging 或boosting讓你的模型更加優化 中，我們介紹了可以通過bagging或boosting技術，使得模型更加穩定和準確率更高，那麼今天要介紹的隨機森林演算法，本身的演算法邏輯已經使用了bagging技術，來構建多棵樹，最終實現構建 森林 的目的。首先我們先來了解下這個...
IBM SPSS Modeler 5 關聯分析
本實驗是基於關聯和決策樹在資料探勘中的應用。通過該實驗，能夠客觀實際地理解關聯分析和決策樹的相關知識。首先進行的是關聯分析，之後利用關聯分析的資料建立乙個決策樹。1 開啟並檢視資料檔案。利用 可變檔案 節點將 demos 下的 baskets1n 新增節點中。然後使用 輸出 選項卡下的 表 檢視資料...
IBM SPSS Modeler資料庫內建模
ibm spss modeler server支援對資料庫 商的資料探勘工具和建模工具進行整合，其中包括ibm netezza ibm db2 infosphere warehouse oracle data miner和microsoft analysis services。實現了在ibm sps...