决策树案例分析SPSS.doc

给大家拜个晚年！这年也过完了，又要开始工作了！本想春节期间写写博客，但不忍心看到那么多的祝福被顶下去，过节就过个痛快的节日，不写了！直接上开心网，结果开了个“老友面馆”都经营到18级了！还是蛮开心的，但是我决定了从今天开始就不再玩了！今天我们来说说分类决策树的应用和操作！主要包括CHAID&CRT，是非常好用和有价值的多变量分析技术， CHAIDChi-squared Automatic Interaction Detector卡方自交互侦测决策树 CRTClassification Regression Tree分类回归树； CHAID和CART是最有名的分类树方法，主要用于预测和分类。在市场研究中经常用于市场细分和客户促销研究，属于监督类分析技术。其中，树根节点是独立变量-因变量，例如：使用水平、购买倾向、用户或非用户、客户类型、套餐类别、细分类别等。子节点基于独立变量和其他分类变量（父节点），按照卡方显著性不断划分或组合为树状结构。预测变量一般也是非数量型的分类变量。 CHAID最常用，但独立变量只能是分类变量，也就是离散性的，CRT可以处理数量型变量，有时候二者结合使用。CHAID和CRT都可以处理非数量型和定序性变量。 分类树方法产生真实的细分类别，这种类是基于一个独立变量得到的一种规则和细分市场。也就是说，每一个树叶都是一个细分市场。 下面我们通过一个案例来操作SPSS软件的分类决策树模块 假设我们有一个移动业务数据，包含有客户的性别、年龄、语音费用、数据费用、客户等级、支付方式和促销套餐变量。我们现在期望能够得到针对不同的促销套餐来分析“客户画像”，这样有利于针对性的促销！也就是不同套餐客户特征描述！ 因变量是促销套餐，其它是预测变量或自变量！ 我们看到，首先要求我们定义变量的测量等级并定义好变量变标和值标！因为，CHAID和CRT具有智能特性，也就是自交互检验和自回归能力，所以对变量测量尺度要求严格！ 为什么说变量测量等级重要呢？例如，我们有个变量叫学历（1-初中、2-高中、3-大专、4-本科、5-硕士以上），如果我们设定为定序变量，则决策树可以自动组合分类，但无论如何都是顺序组合，也就是说可能（1-初中、2-高中、3-大专）为一类，（4-本科、5-硕士以上）为一类，但绝对不会把1和5合并一类；如果我们定义为名义变量，则可以任意学历组合为某类了！ 基本原理：基于目标变量（独立变量）自我分层的树状结构，根结点是因变量，预测变量根据卡方显著性程度不断自动生成父节点和子节点，卡方显著性越高，越先成为预测根结点的变量，程序自动归并预测变量的不同类，使之成为卡方显著性。程序根据预先设定的树状水平数停止。最后每一个叶结点就是一个细分市场。当预测变量较多且都是分类变量时，CHAID分类最适宜。 预测变量大部分都是人口统计资料，使研究者很快就可以找出不同细分市场特征。传统的交互分析对多维交叉表和归并类是一项繁重的工作。 首先，我们确定因变量后，放入其它自变量。接下来，我们要选择CHAID的验证和条件参数！一般来讲：我们主要设定父节点和子节点的数量，以及规定树状结构的水平数，如何生长！分类树将根据设定参数决定树的增长和停止！通常，我们考察总的样本量大小，父节点是子节点的两倍，当然如果设定的太小，树会非常茂盛，得到很多非常小的细分市场，可能没有实际营销意义！树的水平数也是同样道理！其它还有很多参数可以设定，比如分割样本，错误分类成本，利润等，分类决策树可以直接输出结果和SPSS语法或SQL语法规则！（略）因为树比较大，看不清楚，我们需要在树查看器中分析！从查看器中我们可以看到，客户等级最显著，也最重要，首先跑上来！针对低端客户，账单支付方式重要，对于预付话费的人来讲，数据业务小于50.73的主要是Y类套餐！这样我们就可以看到这个类别的特征了！最后的分类预测正确分类84.4%。下面是生成的SQL语法规则：UPDATE SET nod_001 = 4, pre_001 = 5, prb_001 = 0.974026 WHERE (客户等级 IS NULL) OR 客户等级 2 AND 客户等级 3)