Chapter 2 使用决策树的预测建模
2.1 2.2 2.3
问题和数据探索 ................................................................................... 错误！未定义书签。 建模问题和数据难点 ....................................................................................................... 10 生成和解释决策树 ................................................................................ 错误！未定义书签。
2.1 问题和数据探索
内容：
问题和数据 初步数据探索
问题和数据
a. 预测建模问题 一家金融服务公司为其客户提供房屋净值信贷额度。该公司曾把该项贷款扩展给了数千客户，其中的许多接收者（大约20%）有贷款欺诈行为。该公司希望使用地理信息、人口信息、和经济状况信息变量建立一个模型预测一个申请人将来会不会欺诈。
b. 输入数据源 在对数据进行了分析之后，该公司选择了12个预测变量来建立每一个申请人是否欺诈的模型。输出变量（或目标）变量(BAD)表示申请人在房屋净值信贷中是否有欺诈活动。这些变量及其模型角色、测量水平、变量描述列表如下。
表 2.1 SAMPSIO.HMEQ 数据集合的变量
Name
Model Role Target
Measurement
Level
Binary
Description
BAD
1=defaulted on loan, 0=paid back loan
HomeImp=home
improvement, DebtCon=debt consolidation
Six occupational categories Amount of loan request Amount due on existing mortgage
Value of current property Debt-to-income ratio Years at present job Number of major derogatory reports
Number of trade lines Number of delinquent trade lines
Age of oldest trade line in months
Number of recent credit inquiries
REASON Input Binary
JOB LOAN MORTDUE
Input Input Input
Nominal Interval Interval
VALUE DEBTINC YOJ DEROG
Input Input Input Input
Interval Interval Interval Interval
CLNO DELINQ
Input Input
Interval Interval
CLAGE Input Interval
NINQ Input Interval
需要的结果－信用评分模型
该信用评分模型给每一个贷款申请人计算还贷欺诈的概率。在此要设定一个阈值，欺诈概率超过阈值的那些申请人将建议不批准。
建立项目和数据初步探索
建造简单的过程流（Flow）
1. 假定My Project 项目的Project1框图是开着的，通过从工具条上（或Tools标签）
拖动Input Data Source节点到diagram工作区把节点加到Project1框图中。 2. 把Multiplot 节点工作区Input Data Source 节点的右边. 你的框图看起来如下图
注意现在选中的是Multiplot 节点 (有虚线环绕), 而不是Input Data Source 节点. 如果你在工作区的空白地方点击一下，所有的节点都被放开。
除了把一个节点拖到工作区，另外还有两个方法把节点加入到流中。（You can right-click in the workspace where you want the node to be placed and select Add node from the pop-up menu, or you can double-click where you want the node to be placed. In either case, a list of nodes appears, enabling you to select the desired node.）
当把光标放在节点上面时，它就像一只小手。要在工作区内移动节点， 1. 把光标放在节点上面直到小手出现 2. 压下鼠标左边，把节点拖到期望的位置 3. 放开鼠标左边. 连接工作区的两个节点:
1. 确保Input Data Source 节点没有被选定. 如果这个起始节点是被选定的，在工作区
的空白区点击一下解除选定。 2. 把光标放在表示Input Data Source 节点的图标的边缘(直到十字号出现).
3. 按住鼠标左边，立即向Multiplot 节点方向拖动. （如果你按住鼠标左边不立即拖动，
你就会选定这个节点。拖动一个选定的节点一般就是移动这个节点，即没有连线） 4. 在到达终端节点图标后释放鼠标. 5. 在线外点击一下，完成的箭头线显示如下 开始时
最后
调用输入数据
这个例子使用 SAMPSIO文件夹的 HMEQ 数据集合.
1. 要指定数据集合，双击Input Data Source 节点，或右击该节点并选择 Open…. Data 标签处于激活状态. 你的窗口如下:
2. 点击 Select… 来选择数据集合. 或者把数据集合的名称键入进来。 3. SASUSER 文件夹是缺省文件夹. 要浏览 SAMPSIO 文件夹的数据集合, 点击
从这些文件夹里选择SAMPSIO
4. 从SAMPSIO 文件夹的数据集合里选择HMEQ 然后选OK. 下面的对话框打开：
并
5. 可以看到该数据集合里有 5,960 个观测（行）和 13个变量 (列). SAMPSIO.HMEQ 是
源数据. 注意在右下角指示的是metadata（元数据） 样本大小为2,000. 所有分析包必须决定在分析中如何使用变量. EM使用元数据对如何使用每一个变量作一个初步的评估。按缺省方式，它从感兴趣的数据集合里随机抽取2,000 个观测记录，并使用这里的信息为每一个变量确定其模型中的作用和变量类型。要抽取一个较大的样本，你得选择对话框右下角Change… 按钮.