用spss modeler找出特征属性，用什么模型

特征属性的选择和筛选不依赖于具体的模型，而是应该根据业务场景和数据特征进行评估和调整。一般来说，在特征属性的选择和筛选之后，可以使用多种模型进行建模和预测，例如：

1. 决策树模型：可用于根据特征属性进行分类或预测，具有较好的可解释性和易于理解的特点。
2. 逻辑回归模型：可用于分析特征属性和目标变量之间的关系，输出结果为概率值。
3. 随机森林模型：可用于特征选择和分类预测，具有较高的准确率和鲁棒性。
4. 支持向量机模型：可用于分类和回归分析，具有较强的泛化能力。
5. 关联规则模型：可用于挖掘特征属性之间的关联规律，例如购买商品的关联关系。

需要注意的是，模型的选择应该根据具体的业务场景和数据特征进行评估和调整，以保证模型的准确性和可解释性。在特征属性的选择和筛选过程中，也应该考虑模型的要求和特点，以提高模型的性能和效果。