数据挖掘 SPSS Modeler 18 视频教程

先说结论：这门课适合谁，不适合谁

如果你在工作中经常面对一堆 Excel 表、问卷数据、后台导出日志，想找出「哪些客户会流失」「哪些商品总被一起买」「这批用户能分成几类」这类问题的答案，但又不想花几个月去啃 Python 或 R，那这套 SPSS Modeler 18 的教程值得考虑。它走的是一条可视化路线：把数据源、处理节点、建模节点拖到画布上连线，参数用面板填，不需要从头写代码就能跑出聚类、关联规则、决策树和神经网络模型。

但要说清楚：它不适合想深入算法推导的人。课程重心在操作和流程落地，数学原理讲得有限。如果你的目标是改算法、发论文，或者做深度学习，这套内容会不够用。

它解决的是哪些具体工作场景

SPSS Modeler 在企业里的典型位置，是业务分析和数据挖掘的中间层。市场部门要做客户分群，用聚类节点跑一遍；零售要做购物篮分析，用 Apriori 找关联规则；风控或运营要预测某个结果（比如是否续约、是否逾期），用决策树或神经网络建一个分类模型。这些任务在 Modeler 里都有对应的节点，连好数据流就能出结果，还能把模型评估图直接导出给同事看。

课程围绕这条主线展开：先讲清楚数据挖掘在做什么、CRISP-DM 流程怎么走，再逐个拆解常用模型的输入输出和参数含义，最后落到一个相对完整的项目上，把读取数据、清洗、建模、评估串起来。学完你大概能独立完成一次中小规模的数据挖掘任务，而不是只记住几个菜单在哪。

内容组织和资料形态

教程以视频为主，按章节推进，配套有章节笔记。笔记的作用是课后复盘：视频里一带而过的参数设置、节点连线逻辑，笔记里通常会再列一遍，方便你照着在自己的数据上重跑。对于需要反复对照的操作型内容，这种「视频演示＋文字索引」的组合比纯视频更实用，也方便面试前快速翻一遍关键步骤。

需要提醒的是，Modeler 是图形化工具，光看视频容易产生「我都会了」的错觉。真正卡人的往往是数据准备阶段——字段类型不对、缺失值没处理、样本分布不均，模型跑出来就是不准。所以建议每看完一节，就找一份自己的数据动手做一遍，哪怕只是公司导出的一份普通报表。

学之前要有什么基础

• 基本的数据概念：知道什么是字段、记录、分类变量和数值变量，会看简单的统计描述。
• Excel 或类似工具的使用经验：能自己做透视表、筛选、简单公式，理解数据表的结构。
• 不需要编程基础，但如果你接触过 SQL，理解数据读取和字段处理会更快。
• 需要一台能安装 SPSS Modeler 18 的电脑，Windows 环境为主。

一点使用建议

按章节顺序学是合理的，因为后面的建模依赖前面数据读取和处理的铺垫。重点章节是数据准备和几个核心模型（聚类、关联、决策树、神经网络），这几块可以反复看，直到能不看视频独立搭出一条完整数据流。学完之后，最好拿一份真实数据从头到尾做一遍，把过程整理成一份可展示的分析报告——这比单纯说「学过 Modeler」在求职时更有说服力。

另外说明一点：这套教程的主题是数据挖掘工具操作，和软考考证类目下的其他内容方向不同。如果你是冲着考证来的，需要先确认它是否符合你的备考需要；如果你是想补一项能直接用在业务分析上的实操技能，它的匹配度更高。