在上一教程中，我們介紹了SPSS Modeler 18.0的基礎(chǔ)界面與數(shù)據(jù)導(dǎo)入流程。本篇將深入講解數(shù)據(jù)挖掘的核心前期步驟——數(shù)據(jù)描述性統(tǒng)計與可視化。這些步驟是理解數(shù)據(jù)分布、發(fā)現(xiàn)潛在規(guī)律和異常值的關(guān)鍵，為后續(xù)的建模與分析奠定堅實基礎(chǔ)。

一、 數(shù)據(jù)描述性統(tǒng)計

描述性統(tǒng)計旨在通過數(shù)值指標概括數(shù)據(jù)集的基本特征。在SPSS Modeler中，主要通過“輸出”選項板中的節(jié)點來實現(xiàn)。

1. “數(shù)據(jù)審核”節(jié)點（Data Audit Node）：

• 功能：這是進行綜合性描述性統(tǒng)計最強大的工具之一。將其連接到數(shù)據(jù)源后，執(zhí)行運行，它會生成一份詳細的報告。

• 輸出內(nèi)容：

• 基本統(tǒng)計量：對于連續(xù)字段（數(shù)值型），提供計數(shù)、均值、中位數(shù)、標準差、最小值、最大值、偏度、峰度等。

• 質(zhì)量評估：顯示每個字段的缺失值數(shù)量與百分比，幫助評估數(shù)據(jù)完整性。

• 分布圖表：自動為字段生成直方圖（連續(xù)變量）或條形圖（分類變量），直觀展示分布形態(tài)。

• 操作：將節(jié)點拖入畫布，連接數(shù)據(jù)源，雙擊節(jié)點可設(shè)置審核的字段和統(tǒng)計選項，然后右鍵執(zhí)行。

1. “統(tǒng)計量”節(jié)點（Statistics Node）：

• 功能：提供更傳統(tǒng)和定制化的統(tǒng)計量表輸出。用戶可以自由選擇需要計算的統(tǒng)計量（如總和、方差、范圍等）和針對哪些字段進行計算。

• 適用場景：當需要一份簡潔的統(tǒng)計量匯總表，或?qū)Ｗ⒂谀硯讉€特定指標時非常有用。

二、 數(shù)據(jù)可視化

可視化是洞察數(shù)據(jù)的眼睛。SPSS Modeler的“圖形”選項板提供了豐富的圖表類型。

1. 分布可視化：

• 直方圖：用于查看連續(xù)變量的分布情況、中心趨勢和離散程度。可通過“圖形”選項板中的“直方圖”節(jié)點創(chuàng)建。

• 條形圖：用于展示分類變量（如產(chǎn)品類型、地區(qū)）各水平的計數(shù)或比例。使用“條形圖”節(jié)點。

• 多變量圖：可以同時查看多個變量的分布及其組合，例如通過面板矩陣圖。

1. 關(guān)系與對比可視化：

• 散點圖：探索兩個連續(xù)變量之間相關(guān)性的利器。使用“散點圖”節(jié)點，還可以通過“疊加”功能引入第三個分類變量，用不同顏色區(qū)分點。

• 線圖：適合展示數(shù)據(jù)隨時間或有序類別變化的趨勢。

• 盒須圖：用于比較不同類別下連續(xù)變量的分布，特別擅長識別異常值。它顯示了數(shù)據(jù)的中位數(shù)、四分位數(shù)和極端值。

1. 網(wǎng)絡(luò)圖與地圖：

• 對于關(guān)聯(lián)規(guī)則或關(guān)系數(shù)據(jù)，可以使用“網(wǎng)絡(luò)圖”。

• 如果數(shù)據(jù)包含地理信息（如國家、省市），可以使用“地圖”節(jié)點進行地理空間可視化。

三、 實踐操作流程

1. 連接數(shù)據(jù)源：使用“Var.文件”或“數(shù)據(jù)庫”節(jié)點導(dǎo)入你的數(shù)據(jù)集（例如，一個客戶信息表）。
2. 執(zhí)行數(shù)據(jù)審核：

• 從“輸出”選項板拖入“數(shù)據(jù)審核”節(jié)點，將其與數(shù)據(jù)源連接。

• 雙擊節(jié)點，在“設(shè)置”選項卡中選擇需要審核的字段。在“質(zhì)量”和“分析”選項卡中可以配置相關(guān)選項。

• 右鍵點擊節(jié)點，選擇“運行”。在右側(cè)的“輸出”瀏覽器中查看詳細的審核報告，包括統(tǒng)計量表和各字段的分布圖。重點關(guān)注缺失值、極端值和分布形狀。

1. 創(chuàng)建定制化圖表：

• 假設(shè)想分析“年齡”與“收入”的關(guān)系。從“圖形”選項板拖入“散點圖”節(jié)點，連接到數(shù)據(jù)源。

• 雙擊節(jié)點，在“字段”選項卡中，將“年齡”設(shè)為X軸，“收入”設(shè)為Y軸。如果想按“性別”區(qū)分，可將“性別”字段拖入“疊加”區(qū)域。

• 在“外觀”選項卡中可以調(diào)整標題、顏色等。運行節(jié)點后，即可在輸出窗口看到散點圖，直觀判斷是否存在相關(guān)關(guān)系或群體差異。

四、 核心價值與技巧提示

• 探索性數(shù)據(jù)分析（EDA）：描述性統(tǒng)計與可視化是EDA的核心。不要急于建模，先花時間“了解”你的數(shù)據(jù)。
• 異常值處理：通過箱線圖和統(tǒng)計量（如遠高于均值的標準差）識別異常值，并決定是修正、剔除還是保留。
• 相關(guān)性與趨勢：利用散點圖和線圖發(fā)現(xiàn)變量間的潛在關(guān)聯(lián)，這可能直接啟發(fā)特征選擇或模型構(gòu)建方向。
• 流程化：所有生成的節(jié)點和輸出都可以保存在SPSS Modeler的流（.str）文件中，確保分析過程的可重復(fù)性。

通過熟練掌握描述性統(tǒng)計與可視化，你將能更自信地駕馭數(shù)據(jù)，揭示其背后的故事，并為后續(xù)的聚類、分類、預(yù)測等高級數(shù)據(jù)挖掘任務(wù)做好充分準備。在下一篇教程中，我們將進入數(shù)據(jù)預(yù)處理階段，學(xué)習(xí)數(shù)據(jù)清洗、轉(zhuǎn)換與集成。

---
本文參考了lyric1在CSDN博客分享的相關(guān)知識框架，并結(jié)合SPSS Modeler 18.0官方功能進行系統(tǒng)化梳理與實操闡述，旨在為學(xué)習(xí)者提供清晰的指引。數(shù)據(jù)處理服務(wù)是數(shù)據(jù)科學(xué)項目的基石，而扎實的描述性分析正是這塊基石的第一個關(guān)鍵環(huán)節(jié)。