SAS EM（二）决策树

决策树主要用来描述将数据划分为不同组的规则。第一条规则首先将整个数据集划分为不同大小的子集，然后将另外的规则应用在子数据集中，数据集不同相应的规则也不同，这样就形成第二层数据集的划分。一般来说，一个子数据集或者被继续划分或者单独形成一个分组。

问题背景

一家金融服务公司为客户提供房屋净值贷款。该公司在过去已经拓展了数千净值贷款服务。但是，在这些申请贷款的客户中，大约有 20%的人拖欠贷款。通过使用地理、人口和金融变量，该公司希望为该项目建立预测模型判断客户是否拖欠贷款。

分析数据之后，该公司选择了 12 个预测变量来建立模型判断贷款申请人是否拖欠。回应变量（目标变量）标识房屋净值贷款申请人是否会拖欠贷款。变量，以及它们的模型角色、度量水平、描述，在下表中已经显示。SAMPSIO.HMEQ 数据集中的变量

修改相应的角色以及水平

SAMPSIO 库中的数据集 HMEQ 包括 5960 个观测值，用来建立和比较模型。

可对数据进行探索（下面两图分别表示多式图结果及统计探索结果）

该数据集被划分为训练集、验证集和测试集，从而对数据进行分析。

建立决策树模型，打开树节点，设置决策树模型，在变量选项卡中查看变量的状态、模型角色和度量方式。（如果度量方式不准确，在树节点中是不能修改的。需要在数据源输入节点中进行更正）并且，树节点可以处理缺失值现象。

选择基本选项卡，很多构建决策树的选项在该选项卡设定。划分标准依赖于目标变量的度量方式。对于二值或者名义目标变量，默认的划分标准是重要水平为 0.2 的卡方检验。另外，也可以选择熵方法或者基尼系数方法作为划分标准。对于顺序目标变量，只有熵和基尼方法可选。对于区间变量，有两种划分标准选择，默认方法和 F 检验或者方差检验。