摘要：決策樹主要用來描述將數(shù)據(jù)劃分為不同組的規(guī)則。第一條規(guī)則首先將整個數(shù)據(jù)集劃分為不同大小的子集，然后將另外的規(guī)則應(yīng)用在子數(shù)據(jù)集中，數(shù)據(jù)集不同相應(yīng)的規(guī)則也不同，這樣就形成第二層數(shù)據(jù)集的劃分。一般來說，一個子數(shù)據(jù)集或者被繼續(xù)劃分或者單獨形成一個分組。

1.預(yù)測模型案例概述

一家金融服務(wù)公司為客戶提供房屋凈值貸款。該公司在過去已經(jīng)拓展了數(shù)千凈值貸款服務(wù)。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(yù)測模型判斷客戶是否拖欠貸款。

2.輸入數(shù)據(jù)源

分析數(shù)據(jù)之后，該公司選擇了12個預(yù)測變量來建立模型判斷貸款申請人是否拖欠。回應(yīng)變量（目標(biāo)變量）標(biāo)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(jīng)顯示。

SAMPSIO.HMEQ數(shù)據(jù)集中的變量，SAMPSIO庫中的數(shù)據(jù)集HMEQ包括5960個觀測值，用來建立和比較模型。該數(shù)據(jù)集被劃分為訓(xùn)練集、驗證集和測試集，從而對數(shù)據(jù)進(jìn)行分析。

3.創(chuàng)建處理流程圖

添加結(jié)點

連接結(jié)點

定義輸入數(shù)據(jù)

為了定義輸入數(shù)據(jù)，右鍵輸入數(shù)據(jù)源結(jié)點，選擇打開菜單，彈出輸入數(shù)據(jù)對話框。默認(rèn)情況下，數(shù)據(jù)選項卡是激活的。

點擊select按鈕選擇數(shù)據(jù)集，

4.理解原數(shù)據(jù)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(jìn)行評估，EM采用元數(shù)據(jù)方式處理。默認(rèn)方式下，它從原始數(shù)據(jù)集中隨即抽取2000個觀測樣本，用這些信息給每個變量設(shè)置模型角色和度量水平。它也計算一些簡單統(tǒng)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(shè)置樣本量。

評估這些元數(shù)據(jù)創(chuàng)建的賦值信息，可以選擇變量選項卡查看相關(guān)信息。

從圖中可以發(fā)現(xiàn)，Name列和Type列不可用。這些列表示來自SAS數(shù)據(jù)集的信息在這個結(jié)點中不能修改。名稱必須遵循命名規(guī)范。類型分為字符型和數(shù)值型，它將影響該變量如何使用。EM使用Type的值和元數(shù)據(jù)樣本中級別的數(shù)量初始化每個變量的模型角色和度量級別。

5.定義目標(biāo)變量

在該分析中，BAD是一個響應(yīng)變量，將BAD變量的模型角色設(shè)置為target類型。右鍵BAD變量的Model Role列，設(shè)置模型角色。

6.觀察變量分布

我們可以根據(jù)元數(shù)據(jù)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(shè)置為有序（Ordinal）。右鍵DEROG變量的Measurement列，設(shè)置為Ordinal。

8.查看描述性統(tǒng)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(tǒng)計信息。

9.觀察數(shù)據(jù)劃分結(jié)點的默認(rèn)設(shè)置

打開數(shù)據(jù)劃分結(jié)點，默認(rèn)方式下，劃分選項卡是被激活的。數(shù)據(jù)劃分方法顯示在方法顯示面板。
 

EM對輸入數(shù)據(jù)集進(jìn)行抽樣，將原數(shù)據(jù)集分成訓(xùn)練、驗證和測試數(shù)據(jù)集。默認(rèn)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(shè)置訓(xùn)練、驗證和測試數(shù)據(jù)集的比例，它們之和為100%。

打開樹節(jié)點，設(shè)置決策樹模型，在變量選項卡中查看變量的狀態(tài)、模型角色和度量方式。（如果度量方式不準(zhǔn)確，在樹節(jié)點中是不能修改的。需要在數(shù)據(jù)源輸入節(jié)點中進(jìn)行更正）并且，樹節(jié)點可以處理缺失值現(xiàn)象。

選擇基本選項卡，很多構(gòu)建決策樹的選項在該選項卡設(shè)定。劃分標(biāo)準(zhǔn)依賴于目標(biāo)變量的度量方式。對于二值或者名義目標(biāo)變量，默認(rèn)的劃分標(biāo)準(zhǔn)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(shù)方法作為劃分標(biāo)準(zhǔn)。對于順序目標(biāo)變量，只有熵和基尼方法可選。對于區(qū)間變量，有兩種劃分標(biāo)準(zhǔn)選擇，默認(rèn)方法和F檢驗或者方差檢驗。

在設(shè)置樹的增長和大小中，默認(rèn)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(shù)量是1。然而，為了劃分節(jié)點依舊需要設(shè)置節(jié)點中觀測值數(shù)量。默認(rèn)的在訓(xùn)練集中的觀測值數(shù)量是100。

關(guān)閉樹節(jié)點，運行樹節(jié)點，查看運行結(jié)果。
在查看菜單，點擊樹狀結(jié)構(gòu)，查看決策樹型圖

在該圖中，可以發(fā)現(xiàn)6個葉子節(jié)點。

除非注明來源，本站文章均為原創(chuàng)或編譯，轉(zhuǎn)載請注明出處并保留鏈接。數(shù)據(jù)分析網(wǎng) ? SAS-EM 決策樹操作案例。

原文鏈接：http://blog.sina.com.cn/s/blog_61c463090100m1e2.html