数据挖掘与应用(十三)讲述.ppt

* * 因变量为二分变量的情形 在实际应用中，有时D中类别1和类别0的比例λ1及λ0不同于模型将来要应用的数据中的比例π1及π0，而又希望根据D评估模型对将来要应用的数据的预测性能。 这时，需要给D中的观测赋予不同的权重wi: 属于类别1的观测被赋予权重wi = π1 / λ1 属于类别0的观测被赋予权重wi = π0 / λ0 在计算各项评估指标时，都需要考虑权重，例如，响应率不再简单地是响应人数与被联系人数的比例，而是响应者的权重之和与被联系者的权重之和的比例。 * 因变量为多分变量的情形 若因变量有离散的多种取值，可不失一般性地假设它们为1, … ,K。 我们在统计决策的一般框架下来讨论。假设对每一位顾客i，可采用的决策di都有M种可能取值:Al, … ,AM。 设模型预测顾客i属于各类别的概率为: , … , 。 分类问题是统计决策的一种特例，在这种情形下，di有K种可能取值：对l=1, … ,K，决策Al表示将顾客归入类别l,即令 =l。 * 因变量为多分变量的情形 可以使用决策利润来进行决策。 如果对顾客i采用决策di=Am，那么带来的期望利润为 令P(d│y)表示对实际属于类别y的顾客采用决策d而产生的利润。 应选取使期望利润最大的决策。 * 因变量为多分变量的情形 在分类问题中： 若因变量为名义变量，缺省地 选取的决策为将顾客i归入使 最大的类别l； 若因变量为定序变量，缺省地 ， 选取的决策为将顾客i归入使 最大的类别l，即使 最小的类别l。 * 因变量为多分变量的情形 也可以使用决策损失来进行决策。 令C(d│y)为对实际属于类别y的顾客采用决策d而产生的损 失。 如果对顾客i采用决策di=Am，那么带来的期望损失为 应选取使期望损失最小的决策。 * 因变量为多分变量的情形 在分类问题中： 若因变量为名义变量，缺省地 选取的决策为将顾客i归入使1- 最小即 最大的类别l； 若因变量为定序变量，缺省地 ， 选取的决策为将顾客i归入使 最小的类别l。可以看出，使用决策利润或决策损失进行决策是等价的。 * 因变量为多分变量的情形 可以评估模型的平均利润 或平均损失 。在分类问题中： 若因变量为名义变量，还可评估对D的总误分类率为 很容易看出，如果决策利润或决策损失取缺省值，那么评估平均利润或平均损失等价于评估误分类率 若因变量为定序变量，还可评估按序数距离加权的误分类率 与因变量是二分变量的情形类似，我们还可以使用混淆矩阵来评估模型。 * 因变量为多分变量的情形 要对模型进行更加细致的评估，需要更加细致地考察决策利润或决策损失，这里仅讨论使用决策利润的情形。 为了绘出响应率图、捕获响应率图、ROC图、利润图等，我们需要能够按照模型预测结果对观测进行排序，并定义谁是(实际)响应者，谁是(实际)非响应者。解决方法如下: 模型预测的决策di带来的实际利润为P(di│yi) ，可把实际利润大于某个临界值的顾客定义为响应者，而把其他顾客定义为非响应者。 按照它从大到小的顺序可以将顾客进行排列。 模型预测的决策di带来的期望利润为 * 因变量为多分变量的情形 在实际应用中，如果D中各类别的比例λ1(l=1, … ,K)不同于模型将来要应用的数据中的比例πl，而又希望根据D评估模型对将来要应用的数据的预测性能，就需要给D中的观测赋予不同的权重wi：属于类别l的顾客被赋予权重wi=πl/λl。 * 因变量为连续变量的情形 若因变量为连续变量，可计算下列一些评估指标: 均方误差: 均方误差: 均方误差: 均方误差: 还可绘出Yi与 的散点图，或者Yi - 与 的散点图。 * 因变量为连续变量的情形 实际应用中也可能需要为每位顾客选择某种决策。 假设联系每位顾客的成本为r，那么决策利P(A1│y)=y-r，而P(A2│y)=0。 令P(d│y)表示对实际购买金额为y的顾客采用决策d而产生 的利润。 仍举直邮营销为例，如果因变量Yi为顾客i的购买金额，可选择的两种决策为联系(记为A1)或不联系(记为A2)。 如果对顾客i采用决策di=A1，预测利润为 如果对顾客i采用决策di=A2，预测利润为 因此，如果 ，则选取决策di=Ai，否则选取决策di=A2。 * 因变量为连续变量的情形 为了绘出模型的响应率图、捕获响应率图、ROC图、利润图等，我们同样需要能够按照模型预测结果对观测进行排序，并定义谁是(实际)响应者，谁是(实际)非响应者。解决方法如下: 模型预测的决策di带来的预测利润为 ，按照它从大到小的顺序将顾客进行排列。 模型预测的决策di带来的实际利润为P(di│Yi) ，可把实际利润