IBM SPSS Modeler 17.1 中的新增功能

Linear-AS 节点。提供新的 Linear-AS 节点。新节点类似于现有 Linear 节点，但其在连接到 IBM SPSS Analytic Server 时运行，以提高处理能力。

LSVM 节点。提供新的 LSVM 节点。新节点类似于现有 SVM 节点，但其是线性的，并且更善于处理大量记录。它仅在连接到 IBM SPSS Analytic Server 时运行，以提高处理能力。

Tree-AS 节点。提供新的 Tree-AS 决策树节点。新节点类似于现有 CHAID 节点，但其在连接到 IBM SPSS Analytic Server 时运行，以提高处理能力。

随机树节点。提供新的随机树节点。新节点类似于现有 CHAID 节点，但其在连接到 IBM SPSS Analytic Server 时运行，以提高处理能力。

GLE 节点。提供新的 GLE 节点。新节点类似于现有 GenLin 和 GLMM 节点，但其在连接到 IBM SPSS Analytic Server 运行，以提高处理能力。

TM1 导入和导出节点。已创建这两个节点的新版本来提高 SPSS Modeler 和 TM1 服务器之间的速度。如果任何现有流使用这些节点的任一先前版本，那么流仍将运作，因为旧版本仍受支持。

IBM SPSS Analytic Server 易用性改进。在 SPSS Modeler 客户机中，存在新的 Analytic Server 选项来将节点选用板过滤为仅显示 Analytic Server 上运行的节点。

针对自定义对话框构建程序的 Python Spark 支持。自定义对话框构建程序之前仅可与 R 配合使用，现在它还支持 Python for Spark，后者提供对 Apache Spark 及其机器学习库 (mllib) 的访问。例如，分析人员可以使用自定义对话框构建程序来创建使用 mllib 中的算法的建模节点，然后与其他人员共享该节点。请注意下列限制：

• 没有用于 Python 脚本编制的类似于 R 节点的独立节点。
• 通过自定义对话框构建程序创建的 Python 节点取决于 Spark 环境，并且将仅针对 IBM SPSS Analytic Server 运行（数据来源于 IBM SPSS Analytic Server 源节点并且尚未抽取到 IBM SPSS Modeler Server）。有关 IBM SPSS Analytic Server 的更多信息，请参阅 IBM Knowledge Center。
• 由于数据将以 Spark DataFrame 格式显示，因此 Python 脚本必须使用 Spark API。