第一范文网 - 专业文章范例文档资料分享平台

SAS数据挖掘实例

来源:用户分享 时间:2025/5/30 3:00:29 本文由loading 分享 下载这篇文档手机版
说明:文章内容仅供预览,部分内容可能不全,需要完整文档或者需要复制内容,请下载word后使用。下载word有问题请添加微信号:xxxxxxx或QQ:xxxxxx 处理(尽可能给您提供完整文档),感谢您的支持与谅解。

升降图可以形象的展现模型实施的效果,图中的蓝线表示的是源数据集中,有12%的客户的DINING字段〉0,这个数字代表了如果对所有的客户发出目录,将会有12%的客户相应。

图中黄色的曲线代表的是回归模型的预测效果,红色曲线代表决策树模型的预测效果。

模型会给每一个客户购买DINING产品的倾向打一个分,并将分数从高到低排列后,分为十个等份,图中的横坐标从左到右代表这十个等份,纵坐标代表不同打分的人群的相应率。

可以看出,当分别利用回归和决策树模型对客户进行打分排名后,回归模型前10%的客户响应率达到了30%以上,而决策树模型的前10%的客户响应率只达到25%多一点,如果公司希望扩大宣传力度,例如公司预选择30%的客户群进行宣传,那么利用决策树模型建模可以得到更高的响应率。

Lift Chart默认显示的是累计的响应率效果,可以通过单击升降图中,Bar Color for 上方的Non-Cumulative前面的圆圈查看非累积的升降图,即每个10%的人群的响应率,以便于公司对每个不同人群的定位。

(4) 关闭升降图,关闭Assessment窗口。

应用模型

抽取打分程序

在如上的建模过程中,假设我们将目标定位在10%的客户群,显然我们的最佳选择是回归模型,下面我们要把这个模型应用到所有的数据上面。EM提供了一个Score节点来实现对模型的评分代码进行评估、保存以及整合。

(1)

将Score节点拖到工作区中,放在Regression节点右边,连接Regression节点到Score节点

(2)

双击Score节点,出现Score窗口,在默认出现的Setting标签中选择第二项Apply training data score code to score data set

(3)

关闭窗口,保存修改。 引入原始数据源

当我们设置好Score节点之后,我们就可以对任何一个结构相同的数据源来进行打分,在这里,由于我们仍然使用样本数据源CUSTDET1。

(1)

将Input Data Source节点拖到工作区中,连接Input Data Source节点到Score节点

(2)

双击Input Data Source节点,选择SASUSER.CUSTDET1,单击Role右侧的下拉键头,在下拉菜单中选择SCORE

(3)

关闭窗口,保存修改。 查看结果

对整个源数据应用模型的结果可以通过Explore工具来查看,前面我们已经应用过一个Insight节点,这里我们介绍另外一个工具-Distribution Explorer节点的使用。

(1) 将Distribution Explorer节点拖到工作区中放在Score节点的下

方,连接Score节点到Distribution Explorer

在利用Distribution Explorer节点查看模型应用的效果之前必须先运行Score节点

(2) 右键单击Score节点,选择Run,Score节点四周会出现绿色方框,

运行完毕出现是否查看运行结果的对话框,选择否。

搜索更多关于: SAS数据挖掘实例 的文档
SAS数据挖掘实例.doc 将本文的Word文档下载到电脑,方便复制、编辑、收藏和打印
本文链接:https://www.diyifanwen.net/c5kus66tmib553972zwre_8.html(转载请注明文章来源)
热门推荐
Copyright © 2012-2023 第一范文网 版权所有 免责声明 | 联系我们
声明 :本网站尊重并保护知识产权,根据《信息网络传播权保护条例》,如果我们转载的作品侵犯了您的权利,请在一个月内通知我们,我们会及时删除。
客服QQ:xxxxxx 邮箱:xxxxxx@qq.com
渝ICP备2023013149号
Top