概觀 (MODEL HANDLE 指令)
MODEL HANDLE 會讀取包含預測模型規格的外部 XML 檔或 ZIP 保存檔。 它會快取模型規格，並將唯一名稱 (控點) 與快取模型相關聯。 然後， APPLYMODEL 和 STRAPPLYMODEL 轉換函數可以使用模型來計算評分和其他結果 (請參閱 評分表示式)。 MODEL CLOSE 指令用來從記憶體中捨棄快取模型。
針對每一個模型使用個別 MODEL HANDLE 指令，可以將不同的模型套用至相同的資料。
選項
變數對映。 您可以將原始模型中的任何或所有變數對映至現行作用中資料集的不同變數。 依預設，模型會套用至現行作用中資料集的變數，其名稱與原始模型中的變數相同。
處理遺漏值。 您可以選擇如何處理具有遺漏值的觀察值。 依預設，會嘗試將可感應值替換為遺漏值，但您可以選擇將遺漏值視為系統遺漏值。
基本規格
基本規格是 NAME 和 FILE。 NAME 指定參照此模型時要使用的模型控點名稱。 FILE 指定包含模型規格的外部檔案。
次指令順序
- 可以按任何順序指定次指令。
語法規則
- 使用
MAP次指令時，您必須同時指定VARIABLES和MODELVARIABLES關鍵字。 - 容許多個
MAP次指令。 每一個MAP次指令都應該提供變數特定子集的對映。 給定變數的後續對映會置換該相同變數先前的任何對映。
作業
- 模型控點僅在現行工作階段作業期間使用。 控點未與資料檔一起儲存。
- 發出
SET LOCALE指令來變更電腦的字碼頁，需要先關閉任何現有的模型控點 (使用MODEL CLOSE) 並重新開啟模型 (使用MODEL HANDLE) ，然後再繼續進行評分。
評分支援的模型
IBM® SPSS® Statistics 可以對 IBM SPSS Statistics、 IBM SPSS Modeler及 IBM SPSS AnswerTree所建立的模型進行評分。
下列表格列出了支援評分的每一類模型可用的一組評分功能。 表示為 PROBABILITY
(category) 的函數類型是指 PROBABILITY 函數的特定種類 （選用第三個參數）的規格。
| 模型類型 | 支援的函數 |
|---|---|
樹狀結構（種類目標） |
|
樹狀結構（小數位目標） |
|
增強樹狀結構 (C5.0) |
|
線性迴歸 |
|
自動線性模型 |
|
二元 Logistic 迴歸 |
|
條件式 Logistic 迴歸 |
|
多項式羅吉斯迴歸 |
|
一般線性模型 |
|
判別 |
|
TwoStep 集群 |
|
K 平均數叢集 |
|
Kohonen |
|
Neural Net（種類目標） |
|
Neural Net（小數位目標） |
|
Naive Bayes |
|
異常偵測 |
|
規則集 |
|
一般性線性模型（種類目標） |
|
一般性線性模型（小數位目標） |
|
一般性線性混合模型（種類目標） |
|
一般性線性混合模型（小數位目標） |
|
序數多項式迴歸 |
|
Cox 迴歸 |
|
最近鄰接項（小數位目標） |
|
最近鄰接項（種類目標） |
|
- 對於二進位邏輯回歸、多標稱邏輯回歸與 Naive Bayes 模型，
CONFIDENCE函數返回的值與PROBABILITY函數返回的值相同。 - 對於 K-Means 模型，
CONFIDENCE函數返回的值為最短距離。 - 對於樹狀結構與規則集模型，信任可以解譯為預測種類的調整概率，且一律小於
PROBABILITY給定的值。 對於這些模型，信任值比PROBABILITY給定的值更可靠。 - 對於神經網路模型，信任提供測量預測種類是否比第二位最佳預測種類好很多。
- 對於序數多標稱回歸與一般性線性模型，當目標變數為二進位時支援
PROBABILITY函數。 - 對於無目標變數的最近鄰接項模型，可用的函數為
NEIGHBOR和DISTANCE。
如需從模型套用評分函數的相關資訊，請參閱 評分表示式。