江苏龙网

  1. 首页 > 人文 > >

利用历史数据做商业预测的全过程( 三 )


本文插图
导入后 ， 点击界面右上方的“Scoring”
利用历史数据做商业预测的全过程
本文插图
按钮进行预测 ， 完成即可得下面的界面 ， 最左侧的一列就是预测结果 ， 在本例中百分数表示客户违约的概率 ， 概率越大的客户违约的风险越高 。 我们可以按超过预测的违约概率超过某个阈值就认为高风险客户（具体用什么阈值 ， 要根据业务经验来定 ， 缺乏经验时也可以先简单粗暴地用 50% 来算） 。
利用历史数据做商业预测的全过程
本文插图
这个结果还可以导出成 csv ， xls 等多种格式的结果文件 。
到这一步 ， 我们的预测就完成了 ， 整个过程可以说是非常简单 。
4. 模型表现
前面说了 ， 预测不可能 100% 准确 ， 但总得有个准确度吧 ， 我们怎么知道呢？
在第 2 步模型建好以后 ， 点击“Model Performance”按钮
利用历史数据做商业预测的全过程
本文插图
， 可以看到关于这个模型的一些信息 ， 称为模型表现 ， 如下图 。
利用历史数据做商业预测的全过程
本文插图
我们通常看这个叫 AUC 的指标 ， 取值范围为（0.5-1） ， 原则上越大越好 ， 表示这个模型越准确 。 比如这个模型的 AUC 是 0.89 ， 算是不错的模型 ， 用这个模型去做预测的可信度是很好的 。 不过 ， 这个 0.89 并不是指准确度是 89%（具体的预测准确度和前面说的那个阈值有关 ， 在确定阈值之前是没法算出来的） ， AUC 的具体含义比较复杂 ， 感兴趣的同学可以去参考数据挖掘的书籍（ 这有一个浅显易懂的免费电子书http://www.raqsoft.com/html/course-data-mining.html ） 。
如果 AUC 很高 ， 接近于 1 ， 是不是说明这个模型特别好？也不一定 ， 这可能会发生所谓的“过拟合”现象 。 这时 ， 虽然 AUC 指标非常好 ， 但真正拿来预测时可能准确率反而会非常差 。 至于为什么发生过滤以及如何识别和避免它 ， 也可以参考上述的书籍 。
总结：
【利用历史数据做商业预测的全过程】最后我们再来总结下使用历史数据做商业预测的流程：

  1. 将历史数据和待预测的数据都整理成宽表 ， 历史数据中必须要有目标变量 ， 待预测数据则没有 。
  2. 将历史数据导入 YModel ， 建立模型 ， 生成.pcf 后缀的模型文件
  3. 打开 pcf 模型文件 ， 导入待预测数据 ， 完成预测 ， 生成结果 ， 然后就可以根据预测出来的结果（比如违约概率）去决定商业行动了 。


推荐阅读


上一篇：焦糖老干妈|武汉教育局发出通知：武汉各校不得让家长代改功课

下一篇：寻美食|这所政法大学, 不是985也不是211, 却号称公务员“收割机”