Скоринг даних з використанням прогнозних моделей Глава

Процес застосування прогнозної моделі до набору даних називається скоринг даних У IBM ® SPSS ® Statistics маються процедури для побудови прогнозних моделей, таких як моделі регресії, кластеризації, дерев і нейронних мереж Після того як модель побудована, специфікації цієї моделі можна зберегти у файлі, який містить всю інформацію, необхідну для реконструювання моделі Потім цей файл моделі можна використовувати, щоб згенерувати передбачені значення для інших наборів даних (Примітка: Деякі моделі створюють XML-файл моделі, а деякі процедури

– ZIP-файл архіву)

Приклад Відділ прямого маркетингу компанії використовує результати пробної розсилки, щоб приписати значення схильності до здійснення покупки субєктам іншої частини контактної бази даних, використовуючи при цьому різні демографічні характеристики, з тим щоб виявити тих, хто з найбільшою ймовірністю відгукнеться на пропозицію і зробить покупку

Скоринг можна розглядати як перетворення даних Модель являє

собою числові перетворення, застосовувані до певних полях (змінним) – предикторам, заданих в моделі, щоб у результаті отримати прогнозні значення У цьому відношенні процес скорингу даних для наявної моделі аналогічний застосуванню якої функції до набору даних, наприклад, функції вилучення квадратного кореня

Процес скорингу складається з двох основних етапів:

E Побудова моделі та її збереження у файлі Модель будується з використанням набору даних, для якого відомі значення, що цікавить змінної (часто званої цільової) Наприклад, якщо необхідно побудувати модель, щоб передбачити, хто відгукнеться на кампанію прямої розсилки, потрібно почати з набору даних, який вже містить інформацію про те, хто відгукнувся, а хто немає Наприклад, він може бути

результатом пробної розсилки невеликій групі клієнтів або інформацією про відгуки для аналогічної кампанії, що проводилася раніше

Примітка: Для деяких типів моделей цільова змінна відсутня Наприклад, моделі кластеризації і деякі моделі найближчих сусідів не мають цільової змінної

E Застосування побудованої моделі до іншого набору даних (для якого невідомі значення цільової змінної), щоб отримати прогнозні значення цільової змінної Додаткову інформацію см дана тема Конструктор скорингу на стор 324

У наведеній нижче таблиці перераховані процедури, що підтримують експорт специфікацій моделі в файл моделі У стовпці Модуль зазначено додатковий модуль, в який включена процедура

Імя процедури

Імя команди

Модуль

Дискримінантний аналіз

DISCRIMINANT

Statistics Base

Лінійна регресія

REGRESSION

Statistics Base

Автоматизовані лінійні моделі

LINEAR

Statistics Base

Двоетапний кластерний аналіз

TWOSTEP CLUSTER

Statistics Base

Найближчі сусіди

KNN

Statistics Base

Регресія Кокса

COXREG

Advanced Statistics

Узагальнені лінійні моделі

GENLIN

Advanced Statistics

Узагальнені рівняння оцінки

GENLIN

Advanced Statistics

Узагальнені лінійні змішані моделі

GENLINMIXED

Advanced Statistics

Загальна лінійна модель для складних вибірок

CSGLM

Complex Samples

Логістична регресія для складних

вибірок

CSLOGISTIC

Complex Samples

Порядкова регресія для складних

вибірок

CSORDINAL

Complex Samples

Регресія Кокса для складних вибірок

CSCOXREG

Complex Samples

Логістична регресія

LOGISTIC REGRESSION

Регресія

Поліноміальний логістична

регресія

NOMREG

Регресія

Decision Tree

TREE

Decision Tree

Багатошаровий перцептрон

MLP

Neural Networks

Радіальна базисна функція

RBF

Neural Networks

Виявлення аномалій

DETECTANOMALY

Data Preparation

Наївний Байес

NAIVEBAYES

SPSS Statistics

Server

Джерело: Керівництво користувача за базовою системою Statistics 20

Схожі статті:


Сподобалася стаття? Ви можете залишити відгук або підписатися на RSS , щоб автоматично отримувати інформацію про нові статтях.

Коментарів поки що немає.

Ваш отзыв

Поділ на параграфи відбувається автоматично, адреса електронної пошти ніколи не буде опублікований, допустимий HTML: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

*

*