决策树

<< Click to Display Table of Contents >>

当前位置:  深度分析 > 深度分析实验及应用 > Y-Advanced Analytics 

决策树

Previous pageReturn to chapter overviewNext page

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“银行训练数据”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。

ML136

采样和数据分区节点配置项目如下:

ML88

ML88_add1

 

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:

ML96

o运行

点击运行全部按钮,运行成功后,节点展示如下:

ML97

o结果展示

1. 叶子节点分析:以节点13为例,绿色底色的规则为「当 duration>=211.500 and duration<647,poutcome 不在[“failure”“other”,“unknown”],也就是poutcome是success时, 其预测结果是 yes」,节点样本数为23,其中 5/23 被预测为yes。

树形结果:

ML98

节点分类情况:

ML99

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91.3%,验证集的精确度为89.4%。

ML100

 

模型应用

o保存为训练模型

选择决策树节点连接保存为训练模型,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。