可以用来做人工智能建模预测的工具非常多，比如Python, R, SAS，SPSS等，其中Python由于简单易学、丰富的数据科学库、开源免费等特点备受欢迎。但是对于不太熟悉数据建模算法的程序员来说，使用Python建模还是比较复杂，很多时候拿到数据并不清楚该做怎样的处理，选择什么样的算法。其实，在做数据分析和数据建模时，SPL也是不错的选择，它比Python更简单易用，计算速度也快，交互式的界面对数据分析十分友好，同时还提供自动数据建模功能和一些数据处理以及统计学函数，用起来也很方便。

下面就以一份用户贷款违约预测的数据为例，使用SPL手把手的进行数据建模预测。

1. 确定目标，准备数据

建模预测就是从历史数据中挖掘出规律，然后使用规律对未来可能发生的事情做出预测。这个规律就是一般所说的模型。

历史数据通常是一张我们俗称的宽表，比如在用户贷款违约预测的例子中历史数据是如下图这样的Excel表格：

首先，宽表中一定要包括我们想预测的事情，通常称作预测目标，上图中的预测目标就是历史用户的违约行为，也就是图中y那一列，yes表示违约，no表示不违约。预测目标还可以是一个数值，比如产品的销量、售价……，或者是预测属于什么种类，比如预测产品质量是优、良、合格还是差。有时目标在原始数据里就有，可以直接使用，有时目标还需要人工标注。

除了预测目标外，这里还需要很多信息，如表中的用户年龄、工作，房产，贷款情况……，这里的每一列称为变量，也就是和贷款人将来是否违约可能会相关的信息，原则上能收集到的变量越多越好。例如预测客户是否会购买产品，可以搜集客户的行为信息，购物偏好，以及产品的特征信息，促销力度等；预测汽车保险理赔风险，需要保单数据，车辆信息、车主交通习惯以及历史理赔情况等等，如果是预测健康险还需要一些被保人的生活习惯，身体状况，就医看病的信息；预测商场超市的销售情况，需要历史的销售订单，客户信息，商品信息；预测不良产品，需要生产的工艺参数，环境，原料情况等数据。总之，收集到的相关信息越多，预测效果也会越好。

采集数据时，通常会截取某一段时期的历史数据来制作宽表，比如我们想预测7月份用户的违约情况，可以采集1-6月份的数据来训练建立模型。数据采集的时间范围并不是固定的，可以灵活操作，例如也可以是近1年或者近3个月等等。

准备好的宽表可以是Excel格式或csv格式，第一行是标题，后面每一行都是一条历史记录。

如果企业有建设好的信息系统，那可以找IT部门要这些数据，很多企业的BI系统中可以直接导出这种数据。

2. 下载软件，配置建模外部库

SPL 在易明建模外部库的配合下可以提供全自动化的建模预测功能。

（1）下载安装集算器（SPL）和易明建模软件

集算器下载

易明建模下载

安装集算器和建模软件，并记录安装目录，比如：C:\Program Files\raqsoft\ymodel

（2）在SPL中配置外部库

（a）复制外部库所需要的文件

在易明建模的安装路径下找到下列jar包，复制到外部库路径比如“C:\Program Files\raqsoft\esProc\extlib\Ym2Cli”

（b）SPL环境配置

1>. 配置外部库

打开SPL，在选项菜单里，配置外部库路径，勾选易明建模外部库，重启后生效。

在无图形界面的服务器中去集算器的安装目录下esProc\config\raqsoftConfig.xml文件中进行配置外部库路径和名称。

<extLibsPath> 外部库路径

<importLibs> 外部库名称（可多个）

2>. 线程数设置

如果有并发预测，还需要在SPL设置“最大并行数”，也就是线程数。设置多少用户根据需求和机器情况自行设定。

在无图形界面的服务器中去集算器的安装目录下esProc\config\raqsoftConfig.xml文件中进行配置。

<parallelNum> 最大并行数

到此，环境配置完成。

3. 建模和预测

（1）用易明建模软件生成mcf文件

在用SPL建模之前，需要借助易明建模软件来完成数据加载，目标变量设置，变量选择，模型配置等内容，并将其保存为mcf文件。易明建模的使用方法请参考相关说明：文档总览 (raqsoft.com.cn)

设有一个贷款违约数据表如下，需要建模来预测新用户是否会发生违约行为。

文件命名为bank-full.csv。

首先使用易明建模将数据导入，选择“y”为目标变量（预测目标），保存为bank-full.mcf。

（2）导入mcf文件，建立模型

打开SPL，导入配置好的mcf文件就可以建模了

	A
1	=ym2_env("C:/Program Files/raqsoft/ymodel")
2	=ym2_mcfload("bank-full.mcf")
3	=ym2_model(A2)
4	=ym2_pcfsave(A3,"bank-full.pcf")

A1 初始化环境。ym2_env(appPath, configFile, pythonPath)，appPath:易明建模的安装路径，configFile: userconfig.xml配置文件。默认的情况下，后两个不用设，

A2 导入配置好的mcf文件

A3 建立模型

A4 保存模型文件

（3）查看模型表现

	A
…	…
5	=ym2_pcfload("C:/Users/29636/Desktop/tmp/bank-full.pcf")
6	=ym2_result@p(A5)
7	=ym2_result@r(A5)
8	=ym2_result@i(A5)
9	>ym2_close()

A5 导入模型文件

A6 返回多种模型指标和图形，如Gini，AUC，ROC, Lift……

比如点击A6的第6条记录的Value，然后点击右上角“图形浏览”图标，数值字段选择“Lift”，就可以查看Lift曲线

A7 返回模型算法信息和参数

A8 返回每个变量对目标变量的影响程度，简称重要度

A9 关闭建模服务，释放资源

注：A6，A7，A8的内容也可返回为json串格式，在选项后加j即可，例如“ym2_result@pj()”

（4）预测

预测之前需要有pcf模型文件和预测数据集

	A
1	=ym2_env("C:/Program Files/raqsoft/ymodel")
2	=ym2_pcfload("bank-full.pcf")
3	=ym2_predict(A2,"bank-full.csv")
4	=ym2_result(A3)
5	=file("bank-full_result.csv").export@tc(A4)
6	>ym2_close()

A1 初始化环境

A2 导入pcf模型文件，生成pd模型对象。

A3对csv文件执行预测。除csv外，还支持txt、游标、序表和mtx文件

A4 获取预测结果

A5 将预测结果导出，在本例中预测结果为用户发生违约行为的概率。

A6 关闭环境，释放资源

4. 集成调用

SPL还可以被上层应用集成调用，比如SPL可以嵌入到Java应用，详情请参考：

https://c.raqsoft.com.cn/article/1647044897121#toc_h2_3

总结

使用SPL配合易明建模来实现数据建模预测非常简单，程序员不需要理解深奥的数学原理，只要准备好训练数据，简单几步就可以完成数据建模任务了。而且还可以轻松地把这个功能嵌入到应用程序中，高深的人工智能不再是少量数据科学家的专利。

SPL本来就超强的数据处理能力，能更方便地完成人工智能算法之前的数据准备工作，同时也提供了丰富的数学函数：SPL Math 例程，有些数学基础想自己实现建模过程的同学也可以进一步研究。