多變量分析：分類決策樹CHAID&CRT

今天我們來說說分類決策樹的應(yīng)用和操作！主要包括CHAID&CRT，是非常好用和有價值的多變量分析技術(shù)，

CHAID——Chi-squared Automatic Interaction Detector卡方自交互偵測決策樹
CRT——Classification Regression Tree分類回歸樹；  

CHAID和CART是最有名的分類樹方法，主要用于預(yù)測和分類。在市場研究中經(jīng)常用于市場細(xì)分和客戶促銷研究，屬于監(jiān)督類分析技術(shù)。其中，樹根節(jié)點是獨立變量-因變量，例如：使用水平、購買傾向、用戶或非用戶、客戶類型、套餐類別、細(xì)分類別等。子節(jié)點基于獨立變量和其他分類變量（父節(jié)點），按照卡方顯著性不斷劃分或組合為樹狀結(jié)構(gòu)。預(yù)測變量一般也是非數(shù)量型的分類變量。
    CHAID最常用，但獨立變量只能是分類變量，也就是離散性的，CRT可以處理數(shù)量型變量，有時候二者結(jié)合使用。CHAID和CRT都可以處理非數(shù)量型和定序性變量。
    分類樹方法產(chǎn)生真實的細(xì)分類別，這種類是基于一個獨立變量得到的一種規(guī)則和細(xì)分市場。也就是說，每一個樹葉都是一個細(xì)分市場。
    下面我們通過一個案例來操作SPSS軟件的分類決策樹模塊

假設(shè)我們有一個移動業(yè)務(wù)數(shù)據(jù)，包含有客戶的性別、年齡、語音費用、數(shù)據(jù)費用、客戶等級、支付方式和促銷套餐變量。我們現(xiàn)在期望能夠得到針對不同的促銷套餐來分析“客戶畫像”，這樣有利于針對性的促銷！也就是不同套餐客戶特征描述！
    因變量是促銷套餐，其它是預(yù)測變量或自變量！

我們看到，首先要求我們定義變量的測量等級并定義好變量變標(biāo)和值標(biāo)！因為，CHAID和CRT具有智能特性，也就是自交互檢驗和自回歸能力，所以對變量測量尺度要求嚴(yán)格！
    為什么說變量測量等級重要呢？例如，我們有個變量叫學(xué)歷（1-初中、2-高中、3-大專、4-本科、5-碩士以上），如果我們設(shè)定為定序變量，則決策樹可以自動組合分類，但無論如何都是順序組合，也就是說可能（1-初中、2-高中、3-大專）為一類，（4-本科、5-碩士以上）為一類，但絕對不會把1和5合并一類；如果我們定義為名義變量，則可以任意學(xué)歷組合為某類了！
    基本原理：基于目標(biāo)變量（獨立變量）自我分層的樹狀結(jié)構(gòu)，根結(jié)點是因變量，預(yù)測變量根據(jù)卡方顯著性程度不斷自動生成父節(jié)點和子節(jié)點，卡方顯著性越高，越先成為預(yù)測根結(jié)點的變量，程序自動歸并預(yù)測變量的不同類，使之成為卡方顯著性。程序根據(jù)預(yù)先設(shè)定的樹狀水平數(shù)停止。最后每一個葉結(jié)點就是一個細(xì)分市場。當(dāng)預(yù)測變量較多且都是分類變量時，CHAID分類最適宜。
    預(yù)測變量大部分都是人口統(tǒng)計資料，使研究者很快就可以找出不同細(xì)分市場特征。傳統(tǒng)的交互分析對多維交叉表和歸并類是一項繁重的工作。
    首先，我們確定因變量后，放入其它自變量。接下來，我們要選擇CHAID的驗證和條件參數(shù)！一般來講：我們主要設(shè)定父節(jié)點和子節(jié)點的數(shù)量，以及規(guī)定樹狀結(jié)構(gòu)的水平數(shù)，如何生長！分類樹將根據(jù)設(shè)定參數(shù)決定樹的增長和停止！通常，我們考察總的樣本量大小，父節(jié)點是子節(jié)點的兩倍，當(dāng)然如果設(shè)定的太小，樹會非常茂盛，得到很多非常小的細(xì)分市場，可能沒有實際營銷意義！樹的水平數(shù)也是同樣道理！

其它還有很多參數(shù)可以設(shè)定，比如分割樣本，錯誤分類成本，利潤等，分類決策樹可以直接輸出結(jié)果和SPSS語法或SQL語法規(guī)則！（略）

因為樹比較大，看不清楚，我們需要在樹查看器中分析！

從查看器中我們可以看到，客戶等級最顯著，也最重要，首先跑上來！針對低端客戶，賬單支付方式重要，對于預(yù)付話費的人來講，數(shù)據(jù)業(yè)務(wù)小于50.73的主要是Y類套餐！這樣我們就可以看到這個類別的特征了！
最后的分類預(yù)測正確分類84.4%。

下面是生成的SQL語法規(guī)則：
UPDATE <TABLE> 
SET nod_001 = 4, pre_001 = 5, prb_001 = 0.974026 
WHERE ((客戶等級 IS NULL) OR 客戶等級 <> 2  AND  客戶等級 <> 3)  AND  ((數(shù)據(jù)業(yè)務(wù) IS NULL) OR (數(shù)據(jù)業(yè)務(wù) <= 38.754));
我們可以把語法規(guī)則嵌入在分析系統(tǒng)中就可以實現(xiàn)商業(yè)智能和營銷了！
當(dāng)然，CRT基本方法和解讀方式都是一樣的！
總結(jié)：CHAID和CRT基本操作過程

1. 指定CHAID或CRT分類樹

2. 規(guī)定目標(biāo)變量和預(yù)測變量

3. 設(shè)定預(yù)測變量的測量等級，非數(shù)量型變量也可預(yù)先合并分類。

4. 規(guī)定樹狀結(jié)構(gòu)的水平數(shù)。

5. 指定節(jié)點包含的最小樣本數(shù)量。

6. 自動生成分類樹。

7. 考察分類樹的結(jié)構(gòu)。

8. 分析Gain Table.

9. 分析錯誤分類風(fēng)險比。

10. 重新設(shè)定分類樹參數(shù)。

11. 生成SQL語言，SPSS規(guī)則語法將樣本歸類。

分類決策樹因為具有自動偵測的智能特點，所以在數(shù)據(jù)分析時，特別是多變量分析中就不再喜歡用傳統(tǒng)的交互分析了，因為用CHAID和CRT方便多了！