第1页共35页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第1页共35页Chapter2使用决策树的预测建模2.1问题和数据探索......................................................................................................................2.2建模问题和数据难点...............................................................................................................2.3生成和解释决策树...................................................................................................................第2页共35页第1页共35页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第2页共35页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2.1SAMPSIO.HMEQ数据集合的变量第3页共35页第2页共35页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第3页共35页NameModelRoleMeasurementLevelDescriptionBADTargetBinary1=defaultedonloan,0=paidbackloanREASONInputBinaryHomeImp=homeimprovement,DebtCon=debtconsolidationJOBInputNominalSixoccupationalcategoriesLOANInputIntervalAmountofloanrequestMORTDUEInputIntervalAmountdueonexistingmortgageVALUEInputIntervalValueofcurrentpropertyDEBTINCInputIntervalDebt-to-incomeratioYOJInputIntervalYearsatpresentjobDEROGInputIntervalNumberofmajorderogatoryreportsCLNOInputIntervalNumberoftradelinesDELINQInputIntervalNumberofdelinquenttradelinesCLAGEInputIntervalAgeofoldesttradelineinmonthsNINQInputIntervalNumberofrecentcreditinquiries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。第4页共35页第3页共35页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第4页共35页第5页共35页第4页共35页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第5页共35页建立项目和数据初步探索建造简单的过程流（Flow）1.假定MyProject项目的Project1框图是开着的，通过从工具条上（或Tools标签）拖动InputDataSource节点到diagram工作区把节点加到Project1框图中。2.把Multiplot节点工作区InputDataSource节点的右边.你的框图看起来如下图连接工作区的两个节点:开始时最后第6页共35页第5页共35页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第6页共35页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InputDataSource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,点击并从这些文件夹里选择SAMPSIO4.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：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.第7页共35页第6页共35页编号：时间：...
