在前面，我们已经学会了读取数据，并且也介绍了一部分数据理解的内容。
下一步，在CRISP-DM 流程的数据准备阶段，数据分析师可构建用于建模的最终数据集。在这里，可能涉及一系列的操作，包括创建新字段或改造现有字段，选择记录组或从更大的数据文件中采样，以及根据数据质量检查情况来清理数据。但是，正如CRISP-DM方法论所强调的，这些任务通常要执行多次，并且没有任何特定的执行顺序。也就是说，我们先可以做一些数据研究，接下来进行一些数据准备，然后再对您创建的新字段做一些数据研究，再进行一些更多的数据准备。即便在开始建模之后，如果模型没有充分发挥作用，或者，如果建模输出提供了一些线索，表明可对数据进行变更，那么重新回到数据准备阶段也很常见。
按照这一逻辑，我们将在本次中学习一些数据准备的知识，但随后会在下一步学习更多的数据理解工作。
关于本次所使用的数据文件为如下样例，相关数据样例可以通过如下链接下载： http://pan.baidu.com/s/1gfg6LVH 密码: 2qme
以上是本次教程所使用的数据示例：customer.xls
一般说来，修改和准备数据的方法可在“记录选项”选用板（包含用于处理记录的工具）或“字段选项”选用板（包含处理字段的工具）中找到。
在本周的内容中，浩彬老撕将介绍几个字段操作节点，包括Filter（过滤）节点，用于从分析中除去不需要的字段；Reorder（重新排序）节点，用于对数据流和对话框中的字段进行重新排序；Derive（导出）节点，用于在数据流中创建新字段；以及Reclassify（重新分类）节点，用于变更分类字段的编码或折叠分类。
我们还将演示如何使用在前几课介绍的节点的输出窗口中提供的Generate（生成）菜单，自动创建Derive（派生）和Reclassify（重新分类）节点。
在讨论节点本身之前，我们先来介绍一下CLEM （注意：SPSS Modeler前身即为Clementine）语言。
注意，CLEM表达式（包括字段名称在内）区分大小写！
例如：若我们要计算字段income（收入）与字段 famincome（家庭收入）的绝对差的平方根，则可以：Sqrt(abs (famincome- income))
值得注意的是，我们可以一次过拖动多个字段，再点击中间的过滤器，即可实现多字段过滤，十分的方便。
在最常见的情况下，Count（计数）和State（状态）派生类型与时间序列或序列数据一起使用。
当选定了派生类型后，该对话框会发生相应的变化。要派生的字段的度量级别可以使用Field type（字段类型）选项进行明确设置。
重新分类节点支持对分类字段的数据值重新分类或重新编码。例如，一个用于存储客户具体工作职位的字段，对于预测是否将其重新分类到更广泛的工作类别中，可能更有用。重新分类值可以替换原来的字段值，但更安全的方法是创建一个新字段，并保留原来的字段。
在重新分类节点中，Get（获取）按钮可将从上游Type（类型）节点或Type（类型）选项卡中获取的值填充到Originalvalue（原始值）列中。或者，您可以直接输入原始值。Copy（复制）按钮可将当前Originalvalue（原始值）列中的值复制到 New Value（新值）列。如果您想保留大部分原始值，仅重新分类少数现有值，这将非常有用。如果存在错误，可使用Clear new（清除新值）按钮从 Newvalue（新值）列中清除值，Auto（自动）按钮将向 Original value（原始值）列中的每个值分配一个唯一的整数代码。此选项有助于使用替代标识符替换敏感信息（客户ID、客户姓名、产品名称），或者将字符串数据重新分类为数字。
当在数据流中遇到未在Newvalue（新值）列中指定的值时，您可以选择使用Original value（原始值）或DefaultValue（默认值）。
切忌不要在S（单身）下的空行内单击，因为这将创建另一个空值，并且在运行此节点时会导致错误。
本次教程练习题目
关于浩彬老撕
浩彬老撕正在努力做一些事情，希望能够以比较轻松的方式为大家讲述一些统计学，数据挖掘的知识，包括算法，包括工具使用问题，也包括一些科技八卦，同时也会举办一些送书活动，希望大家能够喜欢。另外如果你想联系我，欢迎在公众号中直接发送你想说的话与浩彬老撕直接交流~
长按二维码即可关注！如果你觉得浩彬老撕的内容还不错，希望你可以推荐给其他小伙伴↓↓↓
更多书籍更多数据挖掘知识，敬请期待
