IBM SPSS Association

Este módulo ajuda a descobrir padrões e ligações entre produtos, ações e comportamento – permitindo você usar a informação sobre associação e regra para prever eventos futuros. Uma vez identificados estas ligações, padrões e sequências, você pode usá-los para melhor a tomada de decisão numa variedade de aplicações.

Isto inclui estes algoritmos: Apriori, um algoritmo popular de descoberta de associação com funções de avaliação avançada. CARMA, um algoritmo de associação que permite múltiplos consequetes. E Sequence, um algoritmo que é usado para análises sensíveis a ordem.

IBM SPSS Segmentation

Este módulo a agrupar dados em grupos de exemplos semelhantes ou clientes e detectar casos excepcionais ou anômalos. Utilizando esta informação, você pode adaptar seu mercado e produto ou estratégias de programas para grupos específicos para aumentar as vendas e construir lealdade.

Ele inclui 3 poderosos algoritmos de agrupamento: o algoritmo TwoStep é baseado em técnicas hierárquicas, que são utilizadas para se chegar no melhor número de agrupamentos para um problema em particular. Rede Kohonen, também conhecida como "mapa de auto-organização” (SOM), é usado para descobrir padrões que podem estar escondidos em dados altamente dimensional. O algoritmo de detecção de anomalia encontra itens que não se encaixam aos padrões e fornecem informações sobre porque eles não se encaixam.

IBM SPSS Classification

Este módulo ajuda a criar uma classificação melhor e modelos de regressão usando várias técnicas avançadas.

Ele inclui os seguintes algoritmos: Redes Neurais, que permitem explorar padrões sutis ou escondidos nos dados. C5.0, um avançado algoritmo de árvore de decisão e regra de indução. E Lista de decisão, um algoritmo baseado em regras que permite incluir seu conhecimento ao negócio. Este módulo suporta uma eficiente criação de modelos que são mais sutis, mais precisos e mais relevantes para seus negócios.

IBM SPSS Modeler Solution Publisher

Um desafio comumente encontrado pelos pesquisadores são os valores ausentes. Agora, usando o IBM SPSS Missing Values™ 17.0**, você pode imputar valores ausentes em variáveis categóricas ou contínuas através de imputação múltipla. Você obterá erros-padrão e níveis de significância mais exatos e ganhará uma visão mais clara do que se tivesse ignorado os dados ausentes na sua análise. A imputação múltipla no IBM SPSS Missing Values é feita usando os métodos de especificação condicional completo ou monótono. Você também pode ter o método mais adequado selecionado automaticamente.