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(jì)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(jiān)實(shí)基礎(chǔ)。

一、 數(shù)據(jù)描述性統(tǒng)計(jì)

描述性統(tǒng)計(jì)旨在通過數(shù)值指標(biāo)概括數(shù)據(jù)集的基本特征。在SPSS Modeler中，主要通過“輸出”選項(xiàng)板中的節(jié)點(diǎn)來實(shí)現(xiàn)。

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

• 功能：這是進(jìn)行綜合性描述性統(tǒng)計(jì)最強(qiáng)大的工具之一。將其連接到數(shù)據(jù)源后，執(zhí)行運(yùn)行，它會(huì)生成一份詳細(xì)的報(bào)告。

• 輸出內(nèi)容：

• 基本統(tǒng)計(jì)量：對(duì)于連續(xù)字段（數(shù)值型），提供計(jì)數(shù)、均值、中位數(shù)、標(biāo)準(zhǔn)差、最小值、最大值、偏度、峰度等。

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

• 分布圖表：自動(dòng)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(diǎn)拖入畫布，連接數(shù)據(jù)源，雙擊節(jié)點(diǎn)可設(shè)置審核的字段和統(tǒng)計(jì)選項(xiàng)，然后右鍵執(zhí)行。

1. “統(tǒng)計(jì)量”節(jié)點(diǎn)（Statistics Node）：

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

• 適用場(chǎng)景：當(dāng)需要一份簡(jiǎn)潔的統(tǒng)計(jì)量匯總表，或?qū)Ｗ⒂谀硯讉€(gè)特定指標(biāo)時(shí)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(xiàng)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(shì)和離散程度。可通過“圖形”選項(xiàng)板中的“直方圖”節(jié)點(diǎn)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(jì)數(shù)或比例。使用“條形圖”節(jié)點(diǎn)。

• 多變量圖：可以同時(shí)查看多個(gè)變量的分布及其組合，例如通過面板矩陣圖。

1. 關(guān)系與對(duì)比可視化：

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

• 線圖：適合展示數(shù)據(jù)隨時(shí)間或有序類別變化的趨勢(shì)。

• 盒須圖：用于比較不同類別下連續(xù)變量的分布，特別擅長(zhǎng)識(shí)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(duì)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(diǎn)進(jìn)行地理空間可視化。

三、 實(shí)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(diǎn)導(dǎo)入你的數(shù)據(jù)集（例如，一個(gè)客戶信息表）。
2. 執(zhí)行數(shù)據(jù)審核：

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

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

• 右鍵點(diǎn)擊節(jié)點(diǎn)，選擇“運(yùn)行”。在右側(cè)的“輸出”瀏覽器中查看詳細(xì)的審核報(bào)告，包括統(tǒng)計(jì)量表和各字段的分布圖。重點(diǎn)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(xiàng)板拖入“散點(diǎn)圖”節(jié)點(diǎn)，連接到數(shù)據(jù)源。

• 雙擊節(jié)點(diǎn)，在“字段”選項(xiàng)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(xiàng)卡中可以調(diào)整標(biāo)題、顏色等。運(yùn)行節(jié)點(diǎn)后，即可在輸出窗口看到散點(diǎn)圖，直觀判斷是否存在相關(guān)關(guān)系或群體差異。

四、 核心價(jià)值與技巧提示

• 探索性數(shù)據(jù)分析（EDA）：描述性統(tǒng)計(jì)與可視化是EDA的核心。不要急于建模，先花時(shí)間“了解”你的數(shù)據(jù)。
• 異常值處理：通過箱線圖和統(tǒng)計(jì)量（如遠(yuǎn)高于均值的標(biāo)準(zhǔn)差）識(shí)別異常值，并決定是修正、剔除還是保留。
• 相關(guān)性與趨勢(shì)：利用散點(diǎn)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(diǎn)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(jì)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(cè)等高級(jí)數(shù)據(jù)挖掘任務(wù)做好充分準(zhǔn)備。在下一篇教程中，我們將進(jìn)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(shí)框架，并結(jié)合SPSS Modeler 18.0官方功能進(jìn)行系統(tǒng)化梳理與實(shí)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(xiàng)目的基石，而扎實(shí)的描述性分析正是這塊基石的第一個(gè)關(guān)鍵環(huán)節(jié)。