<< Click to Display Table of Contents >> 当前位置:  深度分析 > 深度分析实验及应用  决策树

❖银行电话营销

银行应用决策树分类算法对具有不同金融产品消费特征的客户进行分类，从而针对不同类别的客户采取对应的营销策略，增加电话营销成功的概率。

 

•数据准备

拖拽数据集节点“bankTrain”到编辑区，添加采样和数据分区节点，采样节点连接数据集，数据分区连接采样。

采样和数据分区节点配置项目如下：

 

•决策树

o配置项目

添加决策树节点，连接数据分区；配置参数如下图：

o运行

点击运行全部按钮，运行成功后，节点展示如下：

o结果展示

1. 叶子节点分析：以节点11为例，绿色底色的规则为「当 duration>=167.500 and duration<647，poutcome 不在[“failure”“other”，“unknown”]，也就其是success时其预测结果是 yes」，节点样本数为28，其中 71% 被预测为yes，占总数的3%。

树形结果：

节点分类情况：

2. 混淆矩阵分析

通过混淆矩阵可以看出训练集预测的精确度为91.5%，验证集的精确度为88.9%。

3. 总体分解结果

通过决策树的结果明显可以看出通话时长越长，这次营销成功的概率越高，通话时长小于647s的营销失败的案例占比为89%。

 

•模型应用

o保存为训练模型

选择决策树节点，保存为训练模型，保存的模型可以应用在制作报告仪表盘的组件绑定的数据集上。可参考建模里的“逻辑回归”章节。

o评分

具体用法请参考深度分析实验的逻辑回归章节。