Предпосылки

SAP DataMining предлагает предопределенный фиксированный набор шаблонов алгоритмов анализа данных. Может возникнуть ощущение, что этим набором все и ограничивается. Тем не менее,  совсем никак не прибегая к этим шаблонам или к программированию, можно «налету» моделировать достаточно произвольные процессы анализа.

Исходные данные и постановка задачи

Задача и исходные данные позаимствованы из открытого источника, цитирующего [[Moro et al., 2014] S. Moro, P. Cortez and P. Rita. A Data-Driven Approach to Predict the Success of Bank Telemarketing. Decision Support Systems, Elsevier, 62:22-31, June 2014]: http://mlr.cs.umass.edu/ml/datasets/Bank+Marketing

Исходные данные

Массив содержит результаты маркетинговой кампании по выявлению желающих открыть срочный депозит.

Архив с данными обучения и проверки находится по адресу:

http://mlr.cs.umass.edu/ml/machine-learning-databases/00222/

Для прогноза предназначен массив из 41188 анкет.

Для обучения алгоритма предназначен массив из 4521 анкет, что составляет 11% от объема прогнозного массива.

Постановка задачи

• Необходимо формализовать правило прогноза согласия «yes» или отказа «no» открыть срочный депозит по анкетным данным;
• Для оценки качества алгоритма результаты прогноза сравнить с фактическим ответом.

Реализация

Реализация проведена в два этапа:

• Расчет весовых коэффициентов (обучение) – выполнен в MS Excel;
• Моделирование - настройка модели наивного байесовского классификатора по готовому массиву весов – выполнено в SAP BI 7.3/DataMining.

Обучение

Для обучения алгоритма использованы не все имеющиеся в исходном массиве реквизиты, а только перечисленные ниже признаки:

• job : тип занятости (categorical:  "admin.", "unknown", "unemployed", "management", "housemaid", "entrepreneur", "student", "blue-collar","self-employed", "retired", "technician", "services");
•  marital: семейное положение (categorical: "married","divorced","single"; note: "divorced" means divorced or widowed);
• education: образование (categorical: "unknown","secondary","primary","tertiary");
•  default: наличие просрочек по кредитам (binary: "yes","no");
• housing: наличие ипотеки (binary: "yes","no");
• loan: наличие обязательств по прочим кредитам (binary: "yes","no");
• contact: тип контакта (categorical: "unknown","telephone","cellular");
• month: месяц предыдущего контакта (categorical: "jan", "feb", "mar", ..., "nov", "dec");
• poutcome: успешность прошлой кампании (categorical:  "unknown", "other", "failure", "success");

Для оценки качества алгоритма использован признак:

• оutput variable (desired target): факт прогнозируемой величины (binary: "yes","no");

Обучение свелось к расчету весовых коэффициентов для каждого частного значения каждого признака для обоих вариантов ответа респондента (поле «y») – «yes» или «no».

Расчет