IBM SPSS Modeler v15.0 32位 官方安装免费版

　　SPSS Modeler 15.0是14.2的升级版本，是一款非常好用且专业的统计、分析以及数据挖掘工具，该软件由IBM公司开发，该软件可以通过大数据进行相应的分析，可以有效地增加客户价值，提高市场营销活动的回报，本站提供了SPSS Modeler 15.0 32位版下载地址，有需要的朋友们可以前来下载使用。

　　百度云网盘文件名称：spss_mod_clt_32b_15.0_win_ml.rar

　　使用说明：

　　用线性回归建立理赔欺诈检测模型

　　在本例中，用于建立模型的数据存放在 InsClaim.dat 中，该文件是一个 CSV 格式的数据文件， 存储了某医院以往医疗保险理赔的历史记录。该文件共有 293 条记录，每条记录有 4 个字段， 分别是 ASG(疾病严重程度)、AGE(年龄)、LOS(住院天数)和 CLAIM(索赔数额)。 图 1 显示了该数据的部分内容。

　　图 1. 历史理赔数据文件

　　任务与计划

　　基于已有的数据，我们的任务主要有如下内容：

　　建立理赔金额预测模型，该模型将基于病人的疾病严重程度、住院天数及年龄预测其索赔金额。

　　假设模型匹配良好，分析那些与预测误差较大的病人资料。

　　通过模型来进行索赔欺诈预测。

　　根据经验及对数据进行的初步分析(这个数据初步分析可以通过 IBM SPSS Modeler 的功能实现，此处不是重点， 故不做深入介绍)，可以猜测理赔金额与疾病严重程度、住院天数以及年龄存在线性相关关系，因此我们将首先 选用线性回归模型进行建模，因此可以得到下面这样一个初步计划：

　　应用线性回归分析来建立模型。

　　如果模型匹配度不佳，则可能应用更加复杂的模型，例如神经网络、规则推导等。

　　基于上面的分析，我们容易得到目标模型的因变量为 CLAIM，自变量为 ASG、AGE 和 LOS。在建立模型之前，我们可以 对该模型进行一些猜测，以下是根据经验能想到的一些假设：

　　随着住院天数的增加，索赔金额增加

　　随着疾病严重程度的增加，索赔金额增加

　　随着年龄的增加，索赔金额增加

　　在建立好模型后，我们会根据模型来验证或推翻这些假设。

　　用 IBM SPSS Modeler 创建 stream 文件

　　根据任务要求，我们在 IBM SPSS Modeler 中建立如图 2 所示的 stream 文件。在该 stream 中，InsClaim.dat 作为数据源节点， 它通过一个类型节点(type)进行数据处理后输入到模型节点(CLAIM)，在本例中，输出节点(table)作为一个测试节 点，可以用于查看类型节点处理后产生的数据。

　　图 2. 理赔预测模型 stream 示例图

　　设置类型(type)节点

　　从前面的分析可见，CLAIM 是因变量，在类型节点中须作为目标变量(Target)，而其余三个字段(ASG、AGE 和 LOS) 则是自变量，在类型节点中须设置为输入变量(Input)。

　　需要注意的是，在线性回归分析模型中，要求所有变量(包括自变量和因变量)都是连续类型。 如果数据中有非数字类型，比如 Category 或者 Flag，则需要预先转换为数字型。图 3 显示了类型节点设置的具体情况。

　　图 3. 类型节点设置图

　　模型节点设置

　　在设置好类型节点后，我们可以双击 CLAIM 节点，对模型节点进行设置。首先设置 Model 标签页中的选项。 从图 4 可以看到设置的具体信息，Model Name 有自动和定制两种类型，在自动方式下，模型名称自动设置 为目标变量的名字(CLAIM)。本模型的输入信息并没有分组，因此 Use partitioned data 和 Build model for each split 的选择与否并无关系。

　　Method 选项将选择输入字段的选择方式，由于本例中的输入字段较少，可以使用默认的 Enter 模式。 在字段较多的情况下，可以选择 StepWise、Forward 和 Backward 中的一种，它们会采用不同的统计学方式对输入字段进行筛选。

　　Include constant in equation 选项表示模型中是否包含常量(即截距)，在本例中，由于每次理赔会有一个起始额度，因此选中该选项。

　　图 4. 模型节点的 Model 页设置图

　　在 Expert 页中可以设置一些模型的高级选项。在我们选择了专家模式后，可以设置两个选项内容：

　　Missing Values ——当选中该选项，会忽略那些含有 Missing Value 的记录。 (默认选项，通常应该使用这个选项，除非你非常有经验，清楚知道 Missing Value 对该模型的影响)Singularity tolerance ——用来防止相关变量影响模型准确度。 该值越小，表示相似性越高，也就说明排除的可能性越低。有些统计师倾向于把 该值设置的稍大，比如 .05(在本例中是 .0001)