Docs
...
Decision List node

Entscheidungslistenknoten

Letzte Aktualisierung: 12. Feb. 2025
Entscheidungslistenknoten (SPSS Modeler)

Entscheidungslistenmodelle kennzeichnen Untergruppen bzw. Segmente, die eine höhere oder geringere Wahrscheinlichkeit für ein binäres Ergebnis ("Ja" bzw. "Nein") aufweisen als die Gesamtstichprobe.

Sie könnten beispielsweise nach Kunden suchen, deren Abwanderung besonders unwahrscheinlich ist oder die mit größter Wahrscheinlichkeit auf ein Angebot oder eine Kampagne ansprechen. Mit dem Entscheidungslistenviewer erhalten Sie die vollständige Kontrolle über das Modell. Sie können Segmente bearbeiten, Ihre persönlichen Geschäftsregeln hinzufügen, angeben, wie die einzelnen Segmente gescort werden sollen, und das Modell auf zahlreiche andere Weisen anpassen, um den Trefferanteil über alle Segmente hinweg zu optimieren. Er eignet sich besonders gut für die Erstellung von Mailing-Listen bzw. die anderweitige Ermittlung der Datensätze, die für eine bestimmte Kampagne gezielt betrachtet werden sollen. Außerdem können Sie mehrere Mining-Aufgaben verwenden, um Modellierungsansätze zu kombinieren, indem Sie beispielsweise Segmente mit hoher und niedriger Leistung in demselben Modell ermitteln und die einzelnen Segmente, je nach Bedarf, in die Scoring-Phase ein- oder von dieser ausschließen.

Segmente, Regeln und Bedingungen

Ein Modell besteht aus einer Liste von Segmenten, von denen jedes durch eine Regel definiert ist, die übereinstimmende Datensätze auswählt. Eine Regel kann jeweils mehrere Bedingungen aufweisen; Beispiel:
RFM_SCORE > 10 and
MONTHS_CURRENT <= 9

Die Regeln werden in der angegebenen Reihenfolge angewendet. Dabei legt die erste zutreffende Regel das Ergebnis für einen bestimmten Datensatz fest. Für sich genommen können sich Regeln bzw. Bedingungen überschneiden, durch die Reihenfolge der Regeln wird die Mehrdeutigkeit jedoch aufgelöst. Wenn keine Regel zutrifft, wird der Datensatz der Restregel zugewiesen.

Vollständige Kontrolle über das Scoring

Mit dem Entscheidungslistenviewer können Sie Segmente anzeigen, ändern und reorganisieren. Sie können zudem auswählen, welche Segmente für das Scoring ein- oder ausgeschlossen werden sollen. Sie können beispielsweise eine Gruppe von Kunden von zukünftigen Angeboten aus- und andere einschließen und sofort ablesen, wie dies die Gesamttrefferquote beeinflusst. Entscheidungslistenmodelle geben den Score Yes für eingeschlossene Segmente und $null$ für alles andere zurück, einschließlich des Rests. Durch diese unmittelbare Steuerung des Scorings sind Entscheidungslistenmodelle ideal für das Erstellen von Mailing-Listen und sie sind weit verbreitet im Customer Relationship Management, unter anderen in Callcenter- und Marketinganwendungen.

Mining-Aufgaben, Maße und Auswahlmöglichkeiten

Der Modellierungsvorgang wird durch Mining-Aufgaben gesteuert. Jede Mining-Aufgabe initiiert effektiv einen neuen Modellierungsdurchgang und gibt ein neues Set mit alternativen Modellen aus, aus denen Sie wählen können. Die Standardaufgabe beruht auf Ihren ursprünglichen Angaben im Entscheidungslistenknoten; Sie können jedoch jede beliebige Anzahl an benutzerdefinierten Aufgaben definieren. Sie können Aufgaben auch iterativ anwenden. Beispielsweise können Sie eine Suche vom Typ "Hohe Wahrscheinlichkeit" für das gesamte Trainingsset und anschließend eine Suche vom Typ "Geringe Wahrscheinlichkeit" für den Rest ausführen, um Segmente mit niedriger Leistung auszusondern.

Datenauswahl

Sie können Datenauswahlmöglichkeiten und benutzerdefinierte Modellmaße für Modellerstellung und -evaluierung definieren. Sie können beispielsweise eine Datenauswahl in einer Mining-Aufgabe angeben, um das Modell auf eine bestimmte Region zuzuschneiden, und ein benutzerdefiniertes Maß erstellen, um zu evaluieren, wie leistungsfähig das betreffende Modell für das gesamte Land ist. Im Gegensatz zu Mining-Aufgaben ändern Maße nicht das zugrunde liegende Modell, sondern bieten vielmehr einen anderen Fokus zur Einschätzung, wie leistungsfähig es ist.

Geschäftswissen hinzufügen

Durch die Optimierung oder Erweiterung der durch den Algorithmus identifizierten Segmente ermöglicht Ihnen der Decision List Viewer, Ihr Geschäftswissen in das Modell zu integrieren. Sie können die vom Modell generierten Segmente bearbeiten oder auf der Grundlage der von Ihnen angegebenen Regeln weitere Segmente hinzufügen. Anschließend können Sie die Änderungen übernehmen und eine Vorschau der Ergebnisse anzeigen.

Um weitere Einblicke zu erhalten, können Sie über eine dynamische Verbindung mit Excel Ihre Daten in Excel exportieren, wo sie zum Erstellen von Präsentationsdiagrammen und zum Berechnen von benutzerdefinierten Maßen verwendet werden können, wie beispielsweise komplexe Profit- und ROI-Werte, die während der Modellerstellung im Entscheidungslistenviewer angezeigt werden können.

Beispiel. Die Marketingabteilung eines Finanzinstituts möchte profitablere Ergebnisse in zukünftigen Kampagnen erzielen, indem jedem Kunden das entsprechende Angebot zugeordnet wird. Sie können ein Entscheidungslistenmodell verwenden, um die Merkmale von Kunden zu ermitteln, die mit hoher Wahrscheinlichkeit positiv auf frühere Werbeaktionen reagieren, und um basierend auf den Ergebnissen eine Mailing-Liste zu erstellen.

Anforderungen. Ein einzelnes kategoriales Zielfeld mit einem Messniveau des Typs Flag oder Nominal, das das binäre Ergebnis angibt, das Sie vorhersagen möchten (Ja/Nein), sowie mindestens ein Eingabefeld. Wenn das Zielfeld den Typ Nominal aufweist, müssen Sie manuell einen einzelnen Wert auswählen, der als Treffer oder Antwort behandelt werden soll; alle anderen Werte werden als kein Treffer zusammengefasst. Außerdem kann ein optionales Häufigkeitsfeld angegeben werden. Stetige Datums-/Uhrzeitfelder werden ignoriert. Eingaben mit stetigem numerischen Bereich werden automatisch vom Algorithmus klassiert, wie auf der Registerkarte "Experten" des Modellierungsknotens angegeben. Eine detailliertere Kontrolle über das Klassieren erhalten Sie, wenn Sie weiter oben im Stream einen Klassierknoten einfügen und das klassierte Feld als Eingabe mit dem Messniveau Ordinal verwenden.