IBM SPSS Modeler 作为大数据分析中的应用层数据挖掘平台，由行业的广泛好评和爱戴，这还依赖于产品本身技术的不断发展和完善，IBM SPSS 的开发团队在中国的历史文化古城-西安，拥有 300 多名技术开发人员，站产品技术的推出和发展，对于产品本身提供流发展的动力更好的为我们的客户服务。我们优秀的团队，我们的产品由领导每年一个新版本，新技术被释放出来，然后下一步，我介绍一下，17.0 SPSS Modeler 发布有关的空间数据分析功能和演示演示文稿的最新版本。

SPSS Modeler 数据分析功能简介

I.介绍地图文件和地图可视化显示

SPSS Modeler 在平台上，我们读到源节点的位置添加，以及地图显示输出节点;

连接模式 ︰ 有两种方法，即我们可以连接到该地图文件，

1，通过形状文件 (。小水电） 导入;

2，通过包含地图分层文件系统的文件导入 ESRI 服务器的连接。

功能 ︰ 读取地图文件，以及其他数据资料，直观图中显示最后的结果;

场景 ︰ 分析与地图需要相结合，如客流分布的购物中心、 交通、 运输、 物流等。

二.新算法 ︰ 时空预测 （时空预测）

功能 ︰ 分析的作为输入因子，特定时间点的预测未来，时间和地点在哪里特定类型的事件的可能性。

计算逻辑 ︰ 返回在基础上，添加空间协方差矩阵和时间序列和空间信息处理时间;

场景 ︰ 可用于预测未来发生的事件，可能在一定的位置，例如疾病多发地区，犯罪倾向进行预测;

大型数据支持 ︰ 可以由解析服务器计算可提高效率减少地图。

三.新的关联规则算法

功能 ︰ 分析空间信息可以用作事件模式或规则; 因素分析

场景 ︰ 犯罪模式分析，流行病学/监视的传染性疾病;

大型数据支持 ︰ 可以由解析服务器计算可提高效率减少地图。

SPSS Modeler 数据分析演示演示

介绍了更多的功能，我们演示，了解如何 SPSS Modeler 中的空间数据应用实施犯罪事件类型预测。

一、 分析的情形 ︰

我们有美国芝加哥 10 乡镇的国家包括过去的罪行记录、 我们的目标是要分析基于过去发生的罪案，研究在可能的情况是一个犯罪高发区，和地图显示分析结果。

二.分析 ︰

结合的犯罪事件，通过关联规则分析的犯罪事件规则的位置。

三、 分析步骤 ︰

分析数据流量整体上图所示，分为 3 个步骤，即数据收集、 建模和地图。

接下来，根据流程图执行过程中的细节的具体数目。

1.连接犯罪数据源文件 InsuranceData.sav

记录历史的刑事事件位置 （经度和纬度），以及类型的犯罪发生，包括下列内容 ︰

• 城市名称 （国家）
• 纬度 (Latitude)
• 经度 （经度）
• 犯罪类型 （类型），包括碰撞、 盗窃、 破坏，没有保险的人。

2.连接国家 （农村） 属性信息文件 CountyData.sav

文件收集每个人口，在收入和其他有关的资料，包括以下内容 ︰

• 城市名称 （国家）
• 2013 人口 (Population2013)
• 2010 年人口 (Population2010)
• 人口增长率 (Poppercentchange)
• 5 (Popunder5yrs) 比年轻人口的百分比
• 18 岁以下 (Popunder18yrs) 人口的百分比
• 人口年龄超过 65 岁 (PopOver65yrs) 的百分比
• 拥有员工比率 (HomeOwership)
• 人均年收入 (IncomePerCapita)
• 中位数收入 (IncomeMedian)
• 贫困率 (PovertyPercent)

3.连接芝加哥地图文件 ChicagoAreaCounties.shp

包括在每一个 （国家） 信息上的位置，包括以下文件 ︰

1，乡镇，ID (ObjectieID)

2，乡镇名称 （名称）

3，层信息 （多个多边形）

可以用SPSS Modeler的地图展现如下：

4.生成新的地理空间字段POINT

对记录犯罪事件发生的InsuranceData.sav文件中的经度和纬度两列数据(Latitude、Longitude)合并到地理空间上,字段类型为地理空间,节点命名为POINT，为下面与地图数据的合并做准备。

5.将犯罪事件记录数据与各乡镇属性信息合并

即对CountyData.sav和InsuranceData.sav两份数据按关键字Country合并。

6.将上面整理好的数据与芝加哥地图文件再做合并

至此，我们将数据整理完成，合并后的数据内容包括：

其中以DS2开头的三列数据，表示事件发生的位置对应地图上的对象、区域和名称。

7.选择关联规则算法建模

我们使用关联规则算法，生成犯罪事件发生的规则模型，只需要将犯罪类型(Type)设置为预测，并选择影响因素作为条件，然后点击运行则会自动生成业务规则模型。

8.生成模型，得到规则

以下可以看到规则结果(列出部分规则)。

比如可以看到第三条规则（Rule ID=3)

条件(Condition)

PopUnder5yrs ≥ 6.600

PopOver65yrs ≤ 11.600

预测结果(Prediction)

Type = Collision

结果解读

如果5岁以下人口占比大于等于6.6%，65岁以上人口占比小于等于11.6%，则可能发生的犯罪类型为Collision(冲突).该规则的支持度为9.51% (即有9.51%条记录符合该规则) ,置信度为63.18%（即符合条件"PopUnder5yrs ≥ 6.600 and PopOver65yrs ≤ 11.600"的这些区域里面，有63.18%的区域发生了Collision事件)，因此在做接下来的预测时，如果有区域符合以上规则(Ruld ID=3)，那么我们判断该区域发生Collision事件的概率为63.18%。

9.连接原来的芝加哥地图文件，让预测结果展现在地图层之上

10.地图展现预测结果

接下来我们把预测结果与地图展现结合在一起，如下图所示。

从这地图我们可以很清晰看到，我们对各类犯罪事件发生预测结果的分布情况，根据该预测结果，我们可以有在针对性地部署相关的警力，预防犯罪事件的发生。

SPSS Modeler空间数据分析扩展

以上我们通过关联规则对犯罪事件的发生进行了预测，如果使用空间-时间预测也可以实现类似的应用场景，只是分析的计算逻辑不一样。

SPSS Modeler对空间数据分析除了将其作为影响因素加入到分析过程之外，还可以通过运动轨迹（包括时间和地点）来判断人物事件的特征，我们称之为空间-时间框（STB）,比如我们通过的士的运动轨迹及乘客的运动轨迹，来精准地告诉的士司机，哪些时间点，在哪些区域，有更大的乘车需求；也可以通过人员的运动轨迹对群体做细分，通过设定活动范围，找出哪些人员是家庭主妇、哪些是商务人士、哪些是白领等等，这可以更好地完善我们的客户画像。这些分析都挺有意思的，我们可以下次再做具体介绍，敬请期待吧…..