SAS数据挖掘实战篇【六】
SAS数据挖掘实战篇【六】
子集,然后将另外的规则应用在子数据集中,数据集不同相应的规则也不同,这样就形成第二层数
据集的划分。一般来说,一个子数据集或者被继续划分或者单独形成一个分组。
1 问题背景
在这些申请贷款的客户中,大约有20%的人拖欠贷款。通过使用地理、人口和金融变量,该公司希
望为该项目建立预测模型判断客户是否拖欠贷款。
2 输入数据源
变量)标识房屋净值贷款申请人是否会拖欠贷款。变量,以及它们的模型角色、度量水平、描述,在
下表中已经显示。SAMPSIO.HMEQ数据集中的变量,
集、验证集和测试集,从而对数据进行分析。
3 创建处理流程图
连接结点
定义输入数据
卡是激活的。
点击select按钮选择数据集,
4 理解原数据样本
处理。默认方式下,它从原始数据集中随即抽取2000个观测样本,用这些信息给每个变量设置模型角色
和度量水平。它也计算一些简单统计信息显示在附加选项卡中。
修改。名称必须遵循命名规范。类型分为字符型和数值型,它将影响该变量如何使用。EM使用Type
的值和元数据样本中级别的数量初始化每个变量的模型角色和度量级别。
5 定义目标变量
Role列,设置模型角色。
6 观察变量分布
的Name列查看BAD的分布情况。
7 修改变量信息
(Ordinal)。右键DEROG变量的Measurement列,设置为Ordinal。
8 查看描述性统计信息
9 观察数据划分结点的默认设置
样方法。并且,可以选择层次抽样或者自定义抽样方法。另外,还可以为初始随机抽样过程定义随机种子。
打开树节点,设置决策树模型,在变量选项卡中查看变量的状态、模型角色和度量方式。(如果度
量方式不准确,在树节点中是不能修改的。需要在数据源输入节点中进行更正)并且,树节点可以
处理缺失值现象。
于二值或者名义目标变量,默认的划分标准是重要水平为0.2的卡方检验。另外,也可以选择熵方法或
者基尼系数方法作为划分标准。对于顺序目标变量,只有熵和基尼方法可选。对于区间变量,有两种
划分标准选择,默认方法和F检验或者方差检验。
数量是1。然而,为了划分节点依旧需要设置节点中观测值数量。默认的在训练集中的观测值数量是100。
6.4 神经网络
的促销产生响应。该模型的输入变量是年龄、收入、婚否以及最近六个月是否产生购买。在BUY
数据集中包含10000名用户信息和是否对最近的促销产生响应。对于每个用户,记录了12个输入
变量。
相似促销活动响应的新客户的目标值。
和income变量存在缺失值,关闭输入数据源节点。
3 设置数据划分节点
加入了替换节点,从而处理缺失值。
4 构建多层感应器模型
中,定义网络结构,运行次数,训练方法和训练算法。
可以做如下选择:
层数的总数,目标层次的总数,数据集中噪声数据集的大小。在该实例中,定义为3个层次的隐藏神经元
集、验证集和测试集。
5 查看结果
表示负权重。
选择绘图选项卡,该图形绘制了训练数据集和验证数据集的错误。然而,额外的迭代轻微地改善训练
数据集的拟合度,验证集的性能相对于前几次迭代并没有持续提高。
为了使用验证集,打开选择选项,展开前面的数据集列表,选择验证数据集。
点击ok,回到insight节点设置窗口。
运行insight节点,查看结果,在分析菜单中,选择rotating plot。
AGE为Z,INCOME为X,确定即可,从而完成绘图。
转载于:https://www.cnblogs.com/amengduo/p/9587566.html
SAS数据挖掘实战篇【六】相关推荐
- SAS数据挖掘实战篇【五】
SAS数据挖掘实战篇[五] SAS--预测模型 6.1 测模型介绍 预测型(Prediction)是指由历史的和当前的数据产生的并能推测未来数据趋势的知识.这类知识可以被认为是以时 间为关键属性的关联 ...
- [知识图谱实战篇] 六.HTML+D3实现点击节点显示相关属性及属性值
前面作者讲解了很多知识图谱原理知识,包括知识图谱相关技术.Neo4j绘制关系图谱等,但仍缺少一个系统全面的实例.为了加深自己对知识图谱构建的认识,为后续创建贵州旅游知识图谱打下基础,作者深入学习了张宏 ...
- python实战篇(六)---打造自己的签名软件
为什么上帝看到思考的人会笑?那是因为人在思考,却又抓不住真理.因为人越思考,一个人的思想就越跟另一个人的思想相隔万里. --米兰·昆德拉 Python实战篇重在实战,今天,我们就来设计一款自己的签名软 ...
- 指尖上的Android之实战篇(六)
本来准备周末看NBA,可是这两天都没比赛,要到礼拜一,悲吹的上班族 最近来感觉进步缓慢,难道是天气越来越热的缘故,开玩笑了,今天冒雨来公司加班,接着完善这个的项目的其他的功能模块. 今天说的模块是:查 ...
- Python数据挖掘实战篇:利用KNN进行电影分类
题目 下面数据集中序号1-12为已知的电影分类,分为喜剧片.动作片.爱情片三个种类,使用的特征值分别为搞笑镜头.打斗镜头.拥抱镜头的数量.那么来了一部新电影<万里归途>,它属于上述3个电影 ...
- Vue实战篇二十六:创建动态仪表盘
系列文章目录 Vue基础篇一:编写第一个Vue程序 Vue基础篇二:Vue组件的核心概念 Vue基础篇三:Vue的计算属性与侦听器 Vue基础篇四:Vue的生命周期(秒杀案例实战) Vue基础篇五:V ...
- Vue实战篇十六:导航菜单
系列文章目录 Vue基础篇一:编写第一个Vue程序 Vue基础篇二:Vue组件的核心概念 Vue基础篇三:Vue的计算属性与侦听器 Vue基础篇四:Vue的生命周期(秒杀案例实战) Vue基础篇五:V ...
- [知识图谱实战篇] 七.HTML+D3实现关系图谱搜索功能
前面作者讲解了很多知识图谱原理知识,包括知识图谱相关技术.Neo4j绘制关系图谱等,但仍缺少一个系统全面的实例.为了加深自己对知识图谱构建的认识,为后续创建贵州旅游知识图谱打下基础,作者深入学习了张宏 ...
- Vue实战篇三十三:实现新闻的浏览历史
系列文章目录 Vue基础篇一:编写第一个Vue程序 Vue基础篇二:Vue组件的核心概念 Vue基础篇三:Vue的计算属性与侦听器 Vue基础篇四:Vue的生命周期(秒杀案例实战) Vue基础篇五:V ...
最新文章
- mybatis-spring整合jar包功能
- android ListView布局之二(是用simpleAdapter绑定数据)
- 牛客网【每日一题】7月29日题目精讲—Max Power
- JMF视频音频通信( 图+源码 )
- cvs导入oracle缺失逗号,pandas教程:使用read_csv()导入数据
- JFrame真正全屏
- MySQL的ALTER命令
- PuTTYgen使用教程
- 去哪儿网机票搜索系统的高并发架构设计
- handler机制及使用场景
- 界面画好了如何开发软件_如何做儿童类APP?来看英语流利说的实战经验总结!...
- 新国标电动车怎么选?绿源INNO7了解一下吧
- java设置cookie_java之Cookie详解
- 2021蓝桥杯——直线
- 计算机专业技术个人小结,计算机专业技术个人小结.doc
- windows设置开机延时自启动程序
- Android问题解决-部分机型上传图片失败
- 转载:汶川大地震中业余无线电应急通讯发挥作用
- win10 条件下在anaconda中安装face_recognition(超简单,亲测有效)
- 一文读懂 IVD 体外诊断试剂产品和未来发展