Filtrer les prédicteurs
Aperçu du tutoriel
Regardez cette vidéo pour prévisualiser les étapes de ce tutoriel. Il peut y avoir de légères différences dans l'interface utilisateur présentée dans la vidéo. La vidéo est destinée à accompagner le tutoriel écrit. Cette vidéo fournit une méthode visuelle pour apprendre les concepts et les tâches de cette documentation.
Essayez le tutoriel
Dans ce tutoriel, vous exécutez les tâches suivantes :
Exemple de flux de modélisateurs et d'ensembles de données
Ce didacticiel utilise le flux Screening Predictors dans le projet exemple. Le fichier de données utilisé est customer_dbase.csv. L'image suivante montre un exemple de flux de modélisation.
- Sans sélection de caractéristiques. Tous les champs prédicteurs du jeu de données sont employés comme entrées pour l'arbre CHAID.
- Avec sélection de caractéristiques. Le nœud de sélection des caractéristiques est utilisé pour sélectionner les 10 meilleurs prédicteurs. Ces prédicteurs sont introduits dans l'arbre CHAID.
En comparant les deux modèles d'arbre obtenus, vous pouvez voir comment la sélection des caractéristiques peut produire des résultats efficaces.
Tâche 1 : Ouvrir le projet d'exemple
L'exemple de projet contient plusieurs ensembles de données et des exemples de flux de modélisation. Si vous n'avez pas encore le projet exemple, reportez-vous à la rubrique Tutoriels pour créer le projet exemple. Suivez ensuite les étapes suivantes pour ouvrir l'exemple de projet :
- En Cloud Pak for Data dans le menu de navigation
, choisissez Projets > Voir tous les projets. - Cliquez sur SPSS Modeler Project.
- Cliquez sur l'onglet Actifs pour voir les ensembles de données et les flux du modélisateur.
Vérifiez vos progrès
L'image suivante montre l'onglet Actifs du projet. Vous êtes maintenant prêt à travailler avec l'exemple de flux du modeleur associé à ce tutoriel.
Tâche 2 : Examiner les nœuds Data Asset et Type
Screening Predictors comprend plusieurs nœuds. Procédez comme suit pour examiner les nœuds Data Asset et Type:
- Dans l'onglet Actifs, ouvrez le flux du modeleur Screening Predictors et attendez que le canevas se charge.
- Double-cliquez sur le nœud customer_dbase.csv. Ce nœud est un nœud de ressources de données qui pointe vers le fichier customer_dbase.csv du projet.
- Examinez les propriétés du format de fichier.
- Facultatif : cliquez sur "Aperçu des données" pour voir l'ensemble des données : Cliquez sur Aperçu des données pour voir l'ensemble des données.
- Double-cliquez sur le nœud Type. Remarquez la valeur du rôle pour chacun de ces champs :
- response_01 est défini sur Target
- response_02, response_03 et custid ont la valeur None
- Tous les autres champs sont définis sur Entrée
Figure 3 Niveaux de mesure du nœud de type 
- Cliquez sur Lire les valeurs.
- Facultatif : Cliquez sur Aperçu des données pour voir l'ensemble de données avec les propriétés Type appliquées.
- Cliquez sur Sauvegarder.
Vérifiez vos progrès
L'image suivante montre le nœud Type. Vous êtes maintenant prêt à construire le modèle.
Tâche 3 : Construire le modèle
Suivez les étapes suivantes pour construire le modèle :
- Double-cliquez sur le nœud response_01 (Feature Selection) pour afficher ses propriétés.
- Développez la section Options de construction pour voir les règles et critères définis qui sont utilisés pour filtrer ou disqualifier les champs.
Figure 4 Sélection des caractéristiques Options de construction 
- Survolez le nœud response_01 (Feature Selection) et cliquez sur l'icône Run (Exécuter)
. - Dans le volet Sorties et modèles, cliquez sur le modèle portant le nom response_01 pour afficher le modèle. Les résultats montrent les domaines jugés utiles pour la prédiction, classés par ordre d'importance. En examinant ces champs, vous pouvez décider de ceux à utiliser lors des sessions de modélisation suivantes.
Pour comparer les résultats sans sélection de caractéristiques, vous devez utiliser deux nœuds de modélisation CHAID dans le flux : l'un qui utilise la sélection de caractéristiques et l'autre qui ne l'utilise pas.
- Double-cliquez sur le nœud Avec tous les champs (CHAID) pour afficher ses propriétés.
- Sous Objectifs, vérifiez que les options Construire un nouveau modèle et Créer un modèle standard sont sélectionnées.
- Développez la section Base et vérifiez que la profondeur maximale de l'arbre est définie sur Personnalisé et que le nombre de niveaux est défini sur "
5
- Cliquez sur Sauvegarder.
- Double-cliquez sur le nœud Using Top 10 Fields (CHAID) pour afficher ses propriétés
- Vérifier les mêmes propriétés que le nœud Avec tous les champs (CHAID).
- Cliquez sur Sauvegarder.
Vérifiez vos progrès
L'image suivante montre le nœud de modélisation. Vous êtes maintenant prêt à exécuter le flux et à visualiser les résultats.
Tâche 4 : Exécuter le flux et visualiser les résultats
Suivez les étapes suivantes pour exécuter le flux et afficher les résultats des deux modèles avec et sans sélection de caractéristiques :
- Cliquez sur Exécuter tous les . Au fur et à mesure de l'exécution, observez le temps qu'il faut à chaque modèle pour terminer sa construction.
- Dans le volet Sorties et modèles, cliquez sur le modèle portant le nom Avec tous les champs pour afficher les résultats.
- Cliquez sur la page Diagramme de l'arbre.
- Faites un zoom arrière pour voir l'étendue du diagramme en arbre.
- Fermez la fenêtre des détails du modèle.
- Dans le volet Sorties et modèles, cliquez sur l'exécution de modèle portant le nom Utilisation des champs Top 10 pour afficher les résultats.
- Cliquez sur la page Diagramme de l'arbre.
- Faites un zoom arrière pour voir l'étendue du diagramme en arbre.
C'est peut-être difficile à cerner, mais le deuxième modèle a été plus rapide que le premier. Comme cet ensemble de données est relativement petit, la différence entre les durées d'exécution n'est probablement que de quelques secondes ; mais pour des ensembles de données réels plus importants, la différence peut être notable : quelques minutes, voire quelques heures. L'utilisation de la sélection de caractéristiques peut accélérer considérablement vos temps de traitement.
Vous pourriez plutôt utiliser un algorithme de construction d'arbre pour effectuer le travail de sélection des caractéristiques, permettant à l'arbre d'identifier les prédicteurs les plus importants pour vous. En fait, l'algorithme CHAID est souvent utilisé à cet effet et il est même possible de développer l'arbre niveau par niveau pour en contrôler la profondeur et la complexité. Cependant, le nœud Feature Selection est plus rapide et plus facile à utiliser. Il classe tous les prédicteurs en une seule étape rapide, ce qui vous permet d'identifier rapidement les champs les plus importants.
Vérifiez vos progrès
L'image suivante montre le diagramme d'arbre du modèle.
Récapitulatif
Le second arbre contient également moins de noeuds d'arbre que le premier. Il est plus simple à comprendre. Utiliser moins de prédicteurs est plus économique. En effet, vous avez moins de données à collecter, à traiter et à intégrer dans vos modèles. Le temps de calcul s'en trouve amélioré. Dans cet exemple, même avec l'étape supplémentaire de la sélection de caractéristiques, la construction du modèle a été plus rapide grâce au jeu réduit de prédicteurs. Avec un ensemble de données réelles plus important, les gains de temps pourraient être considérablement amplifiés.
Utiliser moins de prédicteurs simplifie le scoring. Par exemple, vous pourriez identifier que seuls quatre profils de clients sont susceptibles de répondre à la promotion. Avec un plus grand nombre de prédicteurs, vous courez le risque de surajuster votre modèle. Le modèle le plus simple pourrait mieux s'appliquer à d'autres ensembles de données (bien qu'il faille tester cette approche pour s'en assurer).
Etapes suivantes
Vous êtes maintenant prêt à essayer d'autres tutoriels SPSS® Modeler.