El proyecto de muestra contiene varios conjuntos de datos y flujos de modelado de muestra. Si aún no tiene el proyecto de ejemplo, consulte el tema Tutoriales para crear el proyecto de ejemplo. A continuación, siga estos pasos para abrir el proyecto de ejemplo:

1. En ' watsonx, en el menú Navegación ' , seleccione Proyectos > Ver todos los proyectos.
2. Haga clic en ProyectoSPSS Modeler.
3. Haga clic en la pestaña Activos para ver los conjuntos de datos y los flujos del modelador.

' Comprueba tu progreso

La siguiente imagen muestra la pestaña Activos del proyecto. Ya está preparado para trabajar con el flujo del modelador de ejemplo asociado a este tutorial.

volver a la parte superior

Introducción al modelado El flujo del modelador incluye varios nodos. Siga estos pasos para examinar los nodos Activo de datos y Tipo.

1. En la pestaña Activos, abra el flujo del modelador Introducción al modelado y espere a que se cargue el lienzo.
2. Haga doble clic en el nodo tree_credit.csv. Este nodo es un nodo de Activo de Datos que apunta al archivo tree_credit.csv en el proyecto. Si especifica mediciones en el nodo fuente, no necesita incluir un nodo Tipo separado en el flujo.
3. Revise las propiedades del formato de archivo.
4. Opcional: Haga clic en Vista previa de datos para ver el conjunto de datos completo.
5. Haga doble clic en el nodo Tipo. Este nodo especifica las propiedades de los campos, como el nivel de medición (el tipo de datos que contiene el campo) y la función de cada campo como objetivo o entrada en el modelado. El nivel de medición es una categoría que indica el tipo de datos del campo. El archivo de datos de origen utiliza tres niveles de medición diferentes:
   • Un campo continuo (como el campo " Age ") contiene valores numéricos continuos.
   • Un campo Nominal (como el campo " Education ") tiene dos o más valores distintos: en este caso, " College o " High school.
   • Un campo ordinal (como el campo " Income level ") describe datos con múltiples valores distintos que tienen un orden inherente: en este caso, " Low, " Medium y " High.

   

   Para cada campo, el nodo Tipo también especifica una función para indicar el papel que desempeña cada campo en el modelado. El rol se establece en Target para el campo " Credit rating, que es el campo que indica si un cliente ha incumplido el préstamo. El objetivo es el campo para el que desea predecir el valor.

   Los demás campos tienen la función Input. Los campos de entrada se conocen a veces como predictores, o campos cuyos valores se utilizan en el algoritmo de modelado para predecir el valor del campo objetivo.

6. Opcional: Haga clic en Vista previa de datos para ver los datos con las propiedades de Tipo aplicadas.

' Comprueba tu progreso

La siguiente imagen muestra el nodo Tipo. Ahora está listo para configurar el nodo de Modelado.

volver a la parte superior

Un nodo de modelización genera un nugget de modelo cuando se ejecuta el flujo. Este ejemplo utiliza un nodo CHAID. CHAID, o Detección Automática de Interacción Chi-cuadrado, es un método de clasificación que construye árboles de decisión utilizando un tipo particular de estadísticas que se conocen como estadísticas chi-cuadrado. El nodo utiliza la estadística chi-cuadrado para determinar los mejores lugares para realizar las divisiones en el árbol de decisión. Siga estos pasos para configurar el nodo de Modelado:

1. Haga doble clic en el nodo Calificación crediticia (CHAID ) para ver sus propiedades.
2. En la sección Campos, fíjese en la opción Utilizar la configuración definida en este nodo. Esta opción indica al nodo que utilice el objetivo y los campos especificados aquí en lugar de utilizar la información de campo del nodo Tipo. Para este tutorial, deje desactivada la opción Utilizar la configuración definida en este nodo.
3. Amplíe la sección Objetivos. En este caso, los valores por defecto son apropiados. Su objetivo es Construir un nuevo modelo, Crear un modelo estándar y Generar un nodo de modelo después de la ejecución.
4. Amplíe la sección Reglas de parada. Para mantener el árbol bastante simple para este ejemplo, limite el crecimiento del árbol aumentando el número mínimo de casos para los nodos padre e hijo.
   1. Seleccione Utilizar valor absoluto.
   2. Establece los registros mínimos de la rama padre en ' 400.
   3. Establece los registros mínimos de la rama hija en ' 200.
5. Pulse Guardar.
6. Pase el ratón por encima del nodo Calificación crediticia (CHAID) y haga clic en el icono Ejecutar ' .

' Comprueba tu progreso

La siguiente imagen muestra el flujo con los resultados del modelo. Ya está listo para explorar el modelo.

volver a la parte superior

Al ejecutar el flujo del modelador se añade un nugget de modelo al lienzo con un enlace al nodo Modelado desde el que se creó. Siga estos pasos para ver los detalles del modelo:

1. En el panel Salidas y modelos, haga clic en el modelo con el nombre Calificación crediticia para ver el modelo.
2. Haga clic en Información del modelo para ver información básica sobre el modelo.
3. Haga clic en Importancia de las características para ver la importancia relativa de cada predictor en la estimación del modelo. En este gráfico se puede ver que el nivel de ingresos es sin duda el factor más significativo en este caso, seguido del número de tarjetas de crédito.
   

   

4. Haga clic en Reglas de decisión superiores para ver los detalles en forma de conjunto de reglas; en esencia, una serie de reglas que se pueden utilizar para asignar registros individuales a nodos secundarios en función de los valores de diferentes campos de entrada. Para cada nodo terminal del árbol de decisión se devuelve una predicción de Bueno o Malo. Los nodos terminales son aquellos nodos del árbol que no se dividen más. En cada caso, la predicción viene determinada por el modo, o respuesta más común, para los registros que entran dentro de ese nodo.
   

   

5. Haga clic en Diagrama de árbol para ver el mismo modelo en forma de árbol, con un nodo en cada punto de decisión. Pase el puntero del ratón sobre las ramas y nodos para explorar detalles.
   

   

   
   

   Al principio del árbol, el primer nodo (nodo 0) ofrece un resumen de todos los registros del conjunto de datos. Algo más del 40% de los casos del conjunto de datos se clasifica como un riesgo malo. el 40% es una proporción bastante elevada, pero el árbol podría dar pistas sobre los factores responsables.

   La primera división es por nivel de ingresos. Los registros en los que el nivel de ingresos está en la categoría Bajo se asignan al nodo 2, y no es ninguna sorpresa ver que esta categoría contiene el porcentaje más alto de personas que han incurrido en demora en la devolución del préstamo. Sin duda, prestar a los clientes de esta categoría conlleva un alto riesgo. Sin embargo, casi el 18% de los clientes de esta categoría no incumplieron, por lo que la predicción no siempre es correcta. Ningún modelo puede predecir todas las respuestas, pero un buen modelo debería permitir predecir la respuesta más probable para cada registro basándose en los datos disponibles.

   Del mismo modo, si nos fijamos en los clientes de renta alta (nodo 1), podemos ver que la mayoría de los clientes (más del 88%) son de buen riesgo. Pero más de 1 de cada 10 de estos clientes seguían incumpliendo. ¿Pueden afinarse más los criterios de préstamo para minimizar el riesgo en este caso?

   Obsérvese cómo el modelo divide a estos clientes en dos subcategorías (nodos 4 y 5), en función del número de tarjetas de crédito que posean. En el caso de los clientes con ingresos altos, si el banco presta únicamente a clientes con menos de cinco tarjetas de crédito, puede aumentar su tasa de éxito del 88% a casi el 97%; un resultado aún más satisfactorio.

   

   ¿Pero qué hay de los clientes de la categoría de ingresos medios (nodo 3)? Se dividen mucho más uniformemente entre las valoraciones Bueno y Malo. De nuevo, las subcategorías (nodos 6 y 7 en este caso) pueden ayudar. Esta vez, el hecho de conceder préstamos solo a los clientes con ingresos medios que sean titulares de menos de cinco tarjetas de crédito aumenta el porcentaje de valoración Bueno del 58% al 86%, una mejora considerable.

   

' Comprueba tu progreso

La siguiente imagen muestra los detalles del modelo. Ya está listo para evaluar el modelo.

volver a la parte superior

Puede consultar el modelo para entender cómo funciona la puntuación. Sin embargo, para evaluar la precisión del modelo, es necesario marcar algunos registros. La puntuación de los registros es el proceso de comparación de los resultados reales con las respuestas que predijo el modelo. Para evaluar el modelo, puede puntuar los mismos registros que se utilizaron para estimar el modelo. Puede comparar las respuestas observadas y previstas comparando los mismos registros. Siga estos pasos para evaluar el modelo:

1. Adjunte el nodo Tabla al nugget modelo.
2. Pase el ratón por encima del nodo Tabla y haga clic en el icono Ejecutar ' .
3. En el panel Salidas y modelos, haga clic en los resultados de salida con el nombre Tabla para ver los resultados.

   La tabla muestra las puntuaciones previstas en el campo " $R-Credit rating ", que ha creado el modelo. Puede comparar estos valores con el campo original " Credit rating " que contiene las respuestas reales.

   Por convención, los nombres de los campos generados durante la puntuación se basan en el campo de destino, pero con un prefijo estándar.

   • $G y ' $GE ' son prefijos para las predicciones que genera el Modelo Lineal Generalizado
   • $R es el prefijo de las predicciones que genera el modelo CHAID
   • $RC es para valores de confianza
   • el $X " se genera normalmente utilizando un conjunto
   • $XR, ' $XS, ' $XF se utilizan como prefijos en los casos en que el campo de destino es un campo Continuo, Categórico, Conjunto o Indicador

   Un valor de confianza es la propia estimación del modelo, en una escala de 0,0 a 1,0, de la precisión de cada valor predicho.

   

   Como era de esperar, el valor previsto coincide con las respuestas reales de muchos registros, pero no de todos. El motivo es que cada nodo terminal CHAID tiene una mezcla de respuestas. La predicción coincide con la más común, pero es errónea para todas las demás de ese nodo. (Recupera la minoría del 18% de los clientes de bajos ingresos que no han incurrido en demora.)

   Para evitar este problema, podría seguir dividiendo el árbol en ramas cada vez más pequeñas hasta que cada nodo fuera 100% puro; todo Bueno o Malo sin respuestas mixtas. Pero un modelo así es complicado y es poco probable que se generalice bien a otros conjuntos de datos.

   Para saber exactamente cuántas predicciones son correctas, puede leer la tabla y contar el número de registros en los que el valor del campo de predicción " $R-Credit rating " coincide con el valor de " Credit rating. Sin embargo, lo más sencillo es utilizar un nodo Análisis, que rastrea automáticamente los registros en los que coinciden estos valores.

4. Conecte el nugget modelo al nodo Análisis.
5. Pase el ratón por encima del nodo Análisis y haga clic en el icono Ejecutar ' .
6. En el panel Salidas y modelos, haga clic en los resultados de salida con el nombre Análisis para ver los resultados.
   

   El análisis muestra que en 1960 de los 2.464 registros (más del 79%) el valor predicho por el modelo coincidió con la respuesta real.

   

   Este resultado está limitado por el hecho de que los registros que se han puntuado son los mismos que se han utilizado para estimar el modelo. En una situación real, podría utilizar un nodo Partición para dividir los datos en muestras separadas para el entrenamiento y la evaluación. Si se utiliza una partición de la muestra para generar el modelo y otra muestra para probarlo, se puede obtener una mejor indicación de lo bien que se generaliza a otros conjuntos de datos.

   Puede utilizar el nodo Análisis para probar el modelo con registros de los que ya conoce el resultado real. La etapa siguiente ilustra cómo puede utilizar el modelo para puntuar registros cuyo resultado desconoce. Por ejemplo, este conjunto de datos podría incluir a personas que no son actualmente clientes del banco, pero que son posibles destinatarios de un mailing promocional.

' Comprueba tu progreso

La siguiente imagen muestra el flujo con los resultados de salida. Ya está listo para puntuar el modelo con nuevos datos.

volver a la parte superior

Anteriormente, usted puntuó los registros que se utilizaron para estimar el modelo, a fin de poder evaluar su precisión. Este ejemplo puntúa un conjunto de registros distinto del utilizado para crear el modelo. Evaluar la precisión es uno de los objetivos de la modelización con un campo objetivo. Se estudian los registros de los que se conoce el resultado para identificar patrones que permitan predecir resultados que aún se desconocen.

Puede actualizar el activo de datos existente o el nodo de importación para que apunte a un archivo de datos diferente. También puede añadir un activo de datos o un nodo de importación que lea los datos que desea puntuar. En cualquier caso, el nuevo conjunto de datos debe contener los mismos campos de entrada que utiliza el modelo (Age, ' Income level, ' Education, etc.), pero no el campo de destino ' Credit rating.

También puede añadir la pepita de modelo a cualquier flujo que incluya los campos de entrada previstos. Tanto si se lee de un archivo como de una base de datos, el tipo de fuente no importa si los nombres y tipos de campo coinciden con los que utiliza el modelo.

' Comprueba tu progreso

La siguiente imagen muestra el flujo completado.

volver a la parte superior