SAS數據挖掘實戰篇【六】

6.3 ?決策樹 決策樹主要用來描述將數據劃分為不同組的規則。第一條規則首先將整個數據集劃分為不同大小的
子集，然后將另外的規則應用在子數據集中，數據集不同相應的規則也不同，這樣就形成第二層數
據集的劃分。一般來說，一個子數據集或者被繼續劃分或者單獨形成一個分組。
1 ?問題背景 預測模型案例概述 一家金融服務公司為客戶提供房屋凈值貸款。該公司在過去已經拓展了數千凈值貸款服務。但是，
在這些申請貸款的客戶中，大約有20%的人拖欠貸款。通過使用地理、人口和金融變量，該公司希
望為該項目建立預測模型判斷客戶是否拖欠貸款。
2 ?輸入數據源 分析數據之后，該公司選擇了12個預測變量來建立模型判斷貸款申請人是否拖欠。回應變量（目標
變量）標識房屋凈值貸款申請人是否會拖欠貸款。變量，以及它們的模型角色、度量水平、描述，在
下表中已經顯示。SAMPSIO.HMEQ數據集中的變量，
SAMPSIO庫中的數據集HMEQ包括5960個觀測值，用來建立和比較模型。該數據集被劃分為訓練
集、驗證集和測試集，從而對數據進行分析。
3 ?創建處理流程圖 添加結點

連接結點

定義輸入數據 為了定義輸入數據，右鍵輸入數據源結點，選擇打開菜單，彈出輸入數據對話框。默認情況下，數據選項
卡是激活的。
點擊select按鈕選擇數據集，


4 ?理解原數據樣本 所有分析包在分析過程中必須定義如何使用這些變量。為了先對這些變量進行評估，EM采用元數據方式
處理。默認方式下，它從原始數據集中隨即抽取2000個觀測樣本，用這些信息給每個變量設置模型角色
和度量水平。它也計算一些簡單統計信息顯示在附加選項卡中。 如果需要更多的樣本量，點擊右下角的Change按鈕，設置樣本量。
評估這些元數據創建的賦值信息，可以選擇變量選項卡查看相關信息。
從圖中可以發現，Name列和Type列不可用。這些列表示來自SAS數據集的信息在這個結點中不能
修改。名稱必須遵循命名規范。類型分為字符型和數值型，它將影響該變量如何使用。EM使用Type
的值和元數據樣本中級別的數量初始化每個變量的模型角色和度量級別。
5 ?定義目標變量 在該分析中，BAD是一個響應變量，將BAD變量的模型角色設置為target類型。右鍵BAD變量的Model
Role列，設置模型角色。

6 ?觀察變量分布 我們可以根據元數據樣本觀察每個變量的分布情況。譬如，查看BAD變量的分布情況，右鍵BAD變量
的Name列查看BAD的分布情況。

7 ?修改變量信息 為了保證剩下的變量擁有正確的模型角色和度量級別，將DEROG和DELINQ的度量級別設置為有序
（Ordinal）。右鍵DEROG變量的Measurement列，設置為Ordinal。
8 ?查看描述性統計信息 點擊Interval Variables選項卡和class variables選項卡可以查看變量的基本統計信息。
9 ?觀察數據劃分結點的默認設置 打開數據劃分結點，默認方式下，劃分選項卡是被激活的。數據劃分方法顯示在方法顯示面板。
EM對輸入數據集進行抽樣，將原數據集分成訓練、驗證和測試數據集。默認情況下，采用簡單隨機抽
樣方法。并且，可以選擇層次抽樣或者自定義抽樣方法。另外，還可以為初始隨機抽樣過程定義隨機種子。
在選項卡的右邊，可以設置訓練、驗證和測試數據集的比例，它們之和為100%。
打開樹節點，設置決策樹模型，在變量選項卡中查看變量的狀態、模型角色和度量方式。（如果度
量方式不準確，在樹節點中是不能修改的。需要在數據源輸入節點中進行更正）并且，樹節點可以
處理缺失值現象。
選擇基本選項卡，很多構建決策樹的選項在該選項卡設定。劃分標準依賴于目標變量的度量方式。對
于二值或者名義目標變量，默認的劃分標準是重要水平為0.2的卡方檢驗。另外，也可以選擇熵方法或
者基尼系數方法作為劃分標準。對于順序目標變量，只有熵和基尼方法可選。對于區間變量，有兩種
劃分標準選擇，默認方法和F檢驗或者方差檢驗。 在設置樹的增長和大小中，默認方式下，只有二值劃分是允許的，樹的最大深度是6，最小的觀測值
數量是1。然而，為了劃分節點依舊需要設置節點中觀測值數量。默認的在訓練集中的觀測值數量是100。

關閉樹節點，運行樹節點，查看運行結果。 在查看菜單，點擊樹狀結構，查看決策樹型圖 在該圖中，可以發現6個葉子節點。

6.4 ?神經網絡 案 ?例 某公司要預測哪些用戶會對郵件促銷活動產生響應。目標變量是二值變量，標識用戶是否對最近
的促銷產生響應。該模型的輸入變量是年齡、收入、婚否以及最近六個月是否產生購買。在BUY

數據集中包含10000名用戶信息和是否對最近的促銷產生響應。對于每個用戶，記錄了12個輸入
變量。 該模型的目標就是建立預測模型，根據已有的輸入預測目標變量的值。該模型可以用來尋找某次
相似促銷活動響應的新客戶的目標值。
1建立流程圖 Respond為目標變量，設置age和income也為輸入變量，在區間變量選項卡，可以發現age
和income變量存在缺失值，關閉輸入數據源節點。
3 ?設置數據劃分節點 設置訓練集大小為40，驗證集大小為60，測試集為0，關閉冰保存該節點。在該模型中，還
加入了替換節點，從而處理缺失值。
4 ?構建多層感應器模型 打開神經網絡節點

可以通過定義下面任何一種標準來選擇最優模型： （1） 平均錯誤 （2） 誤分類率 （3） 利潤/損失 在該模型中，由于沒有創建利潤/損失向量，選擇平均錯誤率作為選擇模型的標準。在基本選項卡
中，定義網絡結構，運行次數，訓練方法和訓練算法。
? 隱藏神經元執行內部計算，提供非線性計算，從而使神經網絡更加強大。為了設置隱藏神經元的標準，
可以做如下選擇： 高度噪聲數據 中度噪聲數據 低度噪聲數據 無噪聲數據 設置次數 如果在有噪聲數據的基礎上選擇隱藏神經元的數目，神經元的數目決定了運行次數。并且，它是在輸入
層數的總數，目標層次的總數，數據集中噪聲數據集的大小。在該實例中，定義為3個層次的隱藏神經元

? 在基本選項卡中，定義基本運行方法，訓練算法和運行次數。然后，選擇輸出選項卡，設置訓練
集、驗證集和測試集。 關閉該節點，并運行。
5 ?查看結果 選擇權重選項卡，查看所有的權重信息，神經網絡訓練模型的系數。 選擇圖形選項卡，每個方形的大小就是權重的比例，顏色表示符號。紅色方形表示正權重，藍色方形
表示負權重。
選擇繪圖選項卡，該圖形繪制了訓練數據集和驗證數據集的錯誤。然而，額外的迭代輕微地改善訓練
數據集的擬合度，驗證集的性能相對于前幾次迭代并沒有持續提高。

為了使用驗證集，打開選擇選項，展開前面的數據集列表，選擇驗證數據集。
點擊ok，回到insight節點設置窗口。 點擊整個數據集單選按鈕，關閉該節點，并且保存。 http://www.cda.cn/view/17222.html
運行insight節點，查看結果，在分析菜單中，選擇rotating plot。 P_RESPOND1的值就是根據神經網絡模型預測respond值為1的概率。設置P_RESPOND1為Y，
AGE為Z，INCOME為X，確定即可，從而完成繪圖。 關閉旋轉繪圖窗口以及數據集。

轉載于:https://www.cnblogs.com/amengduo/p/9587566.html

總結

以上是生活随笔為你收集整理的SAS数据挖掘实战篇【六】的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。