IBM® SPSS® Data Preparation은 데이터 준비 단계를 간소화하는 고급 기술을 수행하여 더 빠르고 정확한 데이터 분석 결과를 제공합니다. 자동화된 데이터 준비 절차 중에서 선택하여 빠른 결과를 얻거나 다른 방법을 선택하여 더 까다로운 데이터 세트를 준비할 수 있습니다. 의심스럽거나 유효하지 않은 케이스, 변수 및 데이터 값을 쉽게 식별할 수 있습니다. 누락된 데이터의 패턴을 보고, 변수 분포를 요약하고, 명목 속성에 맞게 설계된 알고리즘으로 보다 정확하게 작업할 수 있습니다.
이 모듈은 온프레미스용 SPSS Professional 에디션과 구독 요금제용 Base 에디션에 포함되어 있습니다.
자동 갱신으로 12개월 선택 시 구독 및 추가 기능 10% 할인
데이터 유효성 검사 대화 상자는 데이터의 유효성을 검사하는 데 사용됩니다. 변수 탭에는 파일에 있는 변수가 표시됩니다. 원하는 변수를 선택하고 분석 변수 목록으로 이동하여 시작할 수 있습니다.
파일의 변수 및 케이스에 적용할 기본 검사를 지정할 수 있습니다. 예를 들어, 결측값이나 빈 케이스 비율이 높은 변수를 식별하는 보고서를 얻을 수 있습니다.
유효하지 않은 값(유효 범위를 벗어난 값 또는 누락된 값)을 식별하는 규칙을 개별 변수에 적용합니다. 고유한 규칙, 교차 변수 규칙을 만들거나 미리 정의된 규칙을 적용할 수도 있습니다.
자동화된 데이터 준비를 통해 권장 사항을 제공하며 사용자가 권장 사항을 자세히 살펴보고 검토할 수 있습니다.
수동 데이터 준비는 복잡하고 시간이 많이 소요되는 프로세스입니다. 신속하게 결과가 필요한 경우 ADP 프로시저를 통해 품질 오류를 감지 및 수정하고 결측값을 효율적으로 한 번에 대치할 수 있습니다. ADP 기능은 분석에 사용할 올바른 데이터를 결정하는 데 도움이 되도록 종합적인 권장 사항과 시각화가 포함되어 이해하기 쉬운 보고서를 제공합니다.
데이터 유효성 검사 프로시저를 사용해 자동 데이터 검사를 수행하여 시간이 많이 걸리는 지루한 수동 검사를 줄일 수 있습니다. 이 프로시저를 사용하면 범주형 또는 연속형 등 각 변수의 측정값 수준에 따라 규칙을 적용하여 데이터 검사를 수행할 수 있습니다. 그런 다음 분석 전에 데이터 유효성을 판단하고 재량에 따라 의심스러운 케이스를 제거하거나 수정합니다.
SPSS Data Preparation에는 데이터 유효성 검증, 자동화된 데이터 준비, 최적의 구간화 및 비정상적인 케이스 식별과 같은 기능이 포함되어 있습니다.
최적 구간화 프로시저를 사용하면 Naive Bayes 및 로지트 모델과 같은 명목 속성을 위해 설계된 알고리즘을 보다 정확하게 사용할 수 있습니다. 최적 구간화를 통해 스케일 변수를 구간화하거나 절단점을 설정할 수 있습니다.
모델 구축 전에 데이터를 사전 처리하려면 다음 유형의 최적 구간화 중 하나를 선택하세요.
1) 비지도형: 동일한 개수로 구간을 생성합니다.
2) 지도형: 목표 변수를 고려하여 절단점을 결정합니다. 이 방식은 비지도형 방식보다 정확도가 높지만 계산 집약도 또한 높습니다.
3) 하이브리드 접근 방식: 비지도형 접근 방식과 지도형 접근 방식을 결합합니다. 이 방법은 고유 값이 많은 경우에 특히 유용합니다.