W połowie marca miała miejsce premiera kolejnej, już 18, wersji programu IBM SPSS Modeler. W produkcie pojawiło się kilka zmian, które w większości są kontynuacją zmian zapoczątkowanych w wersjach 15-16, czyli dotyczą one integracji z Big Data oraz Open Source.
Integracja z Big Data
W wersjach 16, 17 oraz 17.1 narzędzie IBM SPSS Modeler zostało wzbogacone o 9 algorytmów, które mogły zostać obliczone jedynie na platformie Hadoop, do czego konieczne było posiadanie konektora SPSS Analytic Server.
Algorytmy te to:
• GLE (Uogólnione modele liniowe)
• Liniowy – AS (Modele liniowe);
• LSVM (Liniowa metoda wektorów nośnych);
• Drzewa Losowe (Lasy losowe);
• Drzewo AS (Drzewa decyzyjne);
• TCM (Modele przyczynowe szeregów czasowych);
• STP (Predykcja przestrzenno-czasowa);
• Dwustopniowa – AS (Dwustopniowe grupowanie);
• Reguły asocjacyjne;
Algorytmy te zaprojektowane zostały w sposób umożliwiający wykorzystanie równoległej architektury silników MapReduce i Spark. Teraz mogą być one również obliczane na serwerze SPSS Modeler i to w sposób wielowątkowy.
W wersji 18 odświeżony został węzeł Szereg Czasowy. Nowa wersja węzła respektuje zmienne, których rola w węźle typy ustawiona została na Separacja. Jest to bardzo przydatne np. do prognozowania popytu na poszczególne produkty. W poprzednich wersjach programu podział mógł być jedynie robiony z wykorzystaniem instrukcji warunkowych. Dodatkowo, węzeł umożliwia podział zmiennych na: zmienną celu, zmienne wejściowe oraz zdarzenia i interwencje.
Integracja z Open Source
W wersji 16 powstała możliwość tworzenie własnych okien dialogowych (węzłów) z wykorzystaniem składni R. W wersji 17.1 dodano opcję tworzenia własnych okien dialogowych z wykorzystaniem języka PySpark. Ich działanie wymagało konektora do Hadoop – SPSS Analytic Server. W wersji 18 PySpark działa już natywnie na serwerze SPSS Modeler.
Dodatkowo użytkownicy SPSS Modeler mogą w opisany powyżej sposób korzystać także z innych bibliotek uczenia maszynowego, które napisane zostały w Pythonie, np. num-py, scipy, scikit-kearn oraz Pandas.
Pozostałe
Nowa wersja przynosi istotne uproszenie w dostępie do rozszerzeń oraz w sposobie ich instalacji.. Rozszerzenie dla starszych wersji można było pobrać m.in. z IBM-owskiego Github-a, a następnie konieczna była ich manualna instalacja. W obecnej wersji programu, w górnym menu, pojawiła się nowa opcja – Rozszerzenia. Pozwala ona pobrać i zainstalować dodatkowe rozszerzenia w sposób automatyczny z poziomu GUI SPSS Modeler.
W menu Pomoc pojawiły się dwie nowe pozycje: Fora SPSS oraz Społeczność IBM SPSS Predictive Analytics. Opcje te przenoszą nas do stron www łączących użytkowników narzędzia IBM SPSS. Strony te dają dostęp do wielu ciekawych dyskusji, dodatkowych plików i rozszerzeń oraz umożliwiają kontakt z osobami odpowiedzialnymi za produkt ze strony IBM.
Na koniec kilka informacji technicznych:
• SPSS Modeler dostępny jest na systemach operacyjnych MAC OS oraz Windows;
• In-database mining dostępny jest dla bazy DB2 in Z/os, także z akceleratorem IDAA. Dostępne algorytmy to Drzewa Decyzyjne, Drzewa regresyjne, Metoda k-średnich, Naiwny klasyfikator Bayesowski oraz Dwustopniowe Grupowanie.
