IBM SPSS Decision Trees 24 IBM

Transcrição

1 IBM SPSS Decision Trees 24 IBM

2 Comunicado Antes de usar estas informações e o produto suportado por elas, leia as informações nos Aisos na página 25. Informações sobre o produto Esta edição aplica-se à ersão 24, liberação 0, modificação 0 do IBM SPSS Statistics e a todas as liberações e modificações subsequentes até que seja indicado de outra forma em noas edições.

3 Índice Capítulo 1. Criando árores de decisão 1 Selecionando categorias Validação Critérios crescentes da árore Limites de crescimento Critérios de CHAID Critérios de CRT Critérios de QUEST Podando árores Substitutos Opções Custos de classificação errada Lucros Probabilidades anteriores Pontuações Valores ausentes Salando informações de modelo Saída Exibição em Árore Estatísticas Gráficos Regras de seleção e escoragem Capítulo 2. Editor de árore Trabalhando com árores grandes Mapa de árore Escalando a exibição de árore Janela de sumarização de nó Controlando informações exibidas na árore Mudando as cores da árore e fontes de texto Seleção de caso e regras de escoragem Filtrando casos Salando regras de seleção e de escoragem Aisos Marcas comerciais Índice Remissio iii

4 i IBM SPSS Decision Trees 24

5 Capítulo 1. Criando árores de decisão O procedimento de Árore de decisão cria um modelo de classificação baseado em árore. Ele classifica casos em grupos ou preê alores de uma ariáel dependente (de destino) com base em alores de ariáeis independentes (preditoras). O procedimento fornece ferramentas de alidação para análise de classificação exploratória e confirmatória. O procedimento pode ser usado para: Segmentação. Identifique pessoas que proaelmente sejam membros de um determinado grupo. Estratificação. Designe casos em uma de árias categorias, como grupos de risco alto, médio e baixo. Predição. Crie regras e use-as para preer eentos futuros, como a probabilidade de que alguém dará calote em um empréstimo ou o possíel alor de reenda de um eículo ou imóel. Redução de dados e triagem de ariáeis. Selecione um subconjunto útil de preditores de um grande conjunto de ariáeis para uso na construção de um modelo paramétrico formal. Identificação de interação. Identifique relacionamentos referentes apenas a subgrupos específicos e especifique-os em um modelo paramétrico formal. Mesclando e distinguindo ariáeis contínuas de categoria. Recodifique categorias do preditor do grupo e ariáeis contínuas com uma perda mínima de informações. Exemplo. Um banco quer categorizar requerentes de crédito de acordo com se eles representam ou não um risco de crédito razoáel. Com base em ários fatores, incluindo as classificações de crédito conhecidas de clientes antigos, é possíel construir um modelo para preer se os futuros clientes têm probabilidade de darem calote em seus empréstimos. Uma análise baseada em árore fornece alguns recursos atratios: Permite identificar grupos homogêneos com alto ou baixo risco. Facilita a construção de regras para fazer predições sobre casos indiiduais. Considerações de dados Dados. As ariáeis dependentes e independentes podem ser: Nominal. Uma ariáel pode ser tratada como nominal quando seus alores representarem categorias sem ranqueamento intrínseco (por exemplo, o departamento da empresa na qual um funcionário trabalha). Exemplos de ariáeis nominais incluem região, código de endereçamento postal e filiação religiosa. Ordinal. Uma ariáel pode ser tratada como ordinal quando seus alores representarem categorias com algum ranqueamento intrínseco (por exemplo, níeis de satisfação de seriço de muito insatisfeito para muito satisfeito). Exemplos de ariáeis ordinais incluem escores de atitude que representam o grau de satisfação ou de confiança e os escores de classificação de preferência. Escala. Uma ariáel pode ser tratada como escala (contínua) quando os seus alores representarem categorias ordenadas com uma métrica significatia, de forma que as comparações de distância entre os alores sejam apropriadas. Exemplos de ariáeis de escala incluem idade em anos e rendimento em milhares de dólares. Copyright IBM Corporation 1989,

6 Ponderações de frequência Se a ponderação estier em igor, as ponderações fracionárias serão arredondadas para o número inteiro mais próximo; portanto, os casos com um alor de ponderação menor que 0,5 serão designados a uma ponderação de 0 e, portanto, serão excluídos da análise. Suposições. Esse procedimento supõe que o níel de medição apropriado tenha sido designado a todas as ariáeis de análise, e alguns recursos consideram que todos os alores da ariáel dependente incluídos na análise tenham rótulos de alor definidos. Níel de medição. O níel de medição afeta os cálculos de árore; portanto, todas as ariáeis deem ser designadas ao níel de medição apropriado. Por padrão, as ariáeis numéricas são consideradas como de escala e as ariáeis de sequência de caracteres são consideradas como nominais, o que pode não refletir com exatidão o níel de medição erdadeiro. Um ícone próximo a cada ariáel na lista de ariáeis identifica o tipo de ariáel. Tabela 1. Ícones do níel de medição. Ícone Níel de medição Escala Nominal Ordinal É possíel mudar temporariamente o níel de medição para uma ariáel, clicando com o botão direito na ariáel na lista de ariáeis de origem e selecionando um níel de medição no menu pop-up. Rótulos de alor. A interface da caixa de diálogo para esse procedimento considera que todos os alores não omissos de uma ariáel dependente categórica (nominal, ordinal) tenham rótulos de alor definidos ou que nenhum deles tem. Alguns recursos não estarão disponíeis, a não ser que pelo menos dois alores não omissos da ariáel dependente categórica tenham rótulos de alor. Se pelo menos dois alores não omissos tierem rótulos de alor definidos, todos os casos com outros alores que não possuem rótulos de alor serão excluídos da análise. Para obter árores de decisão 1. Nos menus, escolha: Analisar > Classificar > Árore Selecione uma ariáel dependente. 3. Selecionar uma ou mais ariáeis independentes. 4. Selecione um método de desenolimento. Como opção, ocê pode: Mudar o níel de medição para qualquer ariáel na lista de origem. Forçar a primeira ariáel na lista de ariáeis independentes no modelo como a primeira ariáel de diisão. Selecionar uma ariáel de influência que defina o grau de influência que um caso tem no processo de crescimento da árore. Os casos com alores de influência mais baixos têm menos influência; os casos com alores mais altos têm mais. Os alores da ariáel de influência deem ser positios. Validar a árore. Customizar os critérios crescentes da árore. Salar números de nó terminal, alores preditos e probabilidades preditas como ariáeis. Salar o modelo no formato XML (PMML). 2 IBM SPSS Decision Trees 24

7 Campos com níel de medição desconhecido O alerta de Níel de Medição é exibido quando o níel de medição para uma ou mais ariáeis (campos) no conjunto de dados é desconhecido. Como o níel de medição afeta o cálculo de resultados para este procedimento, todas as ariáeis deem ter um níel de medição definido. Dados de arredura. Lê os dados no conjunto de dados atio e designa o níel de medição padrão para quaisquer campos com um níel de medição desconhecido atualmente. Se o conjunto de dados for grande, isso poderá demorar algum tempo. Designar Manualmente. Abre um diálogo que lista todos os campos com um níel de medição desconhecido. É possíel utilizar este diálogo para designar o níel de medição para esses campos. Também é possíel designar o níel de medição na Visualização de Variáel do Editor de Dados. Como o níel de medição é importante para este procedimento, não é possíel acessar o diálogo para executar este procedimento até que todos os campos possuam um níel de medição definido. Mudando o níel de medição 1. Clique com o botão direito na ariáel na lista de origem. 2. Selecione um níel de medição no menu pop-up. Isso muda temporariamente o níel de medição para uso no procedimento Árore de decisão. Métodos crescentes Os métodos crescentes disponíeis são: CHAID. Chi-squared Automatic Interaction Detection. Em cada passo, o CHAID escolhe a ariáel (preditora) independente que possuir a interação mais forte com a ariáel dependente. As categorias de cada preditor serão mescladas se elas não forem significatiamente diferentes com relação à ariáel dependente. CHAID exaustio. Uma modificação do CHAID que examina todas as possíeis diisões para cada preditor. CRT. Árores de Classificação e Regressão. O CRT diide os dados em segmentos que são tão homogêneos quanto possíeis com relação à ariáel dependente. Um nó terminal no qual todos os casos têm o mesmo alor para a ariáel dependente é um nó homogêneo "puro". QUEST. Árore Estatística Eficiente, Não Tendenciosa e Rápida. Um método que é rápido e eita outros ieses de métodos em faor de preditores com muitas categorias. O QUEST poderá ser especificado apenas se a ariáel dependente for nominal. Existem benefícios e limitações com cada método, incluindo: Tabela 2. Recursos do método crescente. Recursos CHAID* CRT QUEST Baseado em qui-quadrado** Variáeis independentes substitutas (preditoras) P P Poda de árore P P Diisão de nó multiponto Diisão de nó binário P P Variáeis de influência P P P P Capítulo 1. Criando árores de decisão 3

8 Tabela 2. Recursos do método crescente (continuação). Recursos CHAID* CRT QUEST Probabilidades anteriores P P Custos de classificação errada P P P Cálculo rápido P P *Inclui CHAID exaustio. **QUEST também usa uma medida qui-quadrado para ariáeis independentes nominais. Selecionando categorias Para ariáeis dependentes categóricas (nominais, ordinais), é possíel: Controlar quais categorias estão incluídas na análise. Identificar as categorias de destino de interesse. Incluindo/Excluindo categorias É possíel limitar a análise a categorias específicas da ariáel dependente. Os casos com alores da ariáel dependente na lista Exclusão não são incluídos na análise. Para ariáeis dependentes nominais, também é possíel incluir categorias com usuário desconhecido na análise. (Por padrão, as categorias com usuário desconhecido são exibidas na lista Exclusão.) Categorias de destino As categorias selecionadas (marcadas) são tratadas como as categorias de interesse principal na análise. Por exemplo, se ocê estier interessado principalmente em identificar as pessoas com maior probabilidade de dar calote em um empréstimo, poderá selecionar a categoria de classificação de crédito "ruim" como a categoria de destino. Não há nenhuma categoria de destino padrão. Se nenhuma categoria estier selecionada, algumas opções de regra de classificação e saída relacionada a ganhos não estarão disponíeis. Se árias categorias forem selecionadas, tabelas e gráficos de ganhos separados serão produzidos para cada categoria de destino. A designação de uma ou mais categorias como categorias de destino não tem nenhum efeito no modelo de árore, na estimatia de risco ou nos resultados de classificação errada. Categorias e rótulos de alor Essa caixa de diálogo requer rótulos de alor definidos para a ariáel dependente. Ela não está disponíel, a não ser que pelo menos dois alores da ariáel dependente categórica tenham rótulos de alor definidos. Para incluir/excluir categorias e selecionar categorias de destino 1. Na caixa de diálogo principal Árore de decisão, selecione uma ariáel dependente categórica (nominal, ordinal) com dois ou mais rótulos de alor definidos. 2. Clique em Categorias. 4 IBM SPSS Decision Trees 24

9 Validação A alidação permite aaliar como a estrutura em árore generaliza para uma população maior. Dois métodos de alidação estão disponíeis: alidação cruzada e alidação de amostra de diisão. Validação cruzada A alidação cruzada diide a amostra em árias subamostras ou dobras. Os modelos de árore são então gerados, excluindo os dados de cada subamostra, sucessiamente. A primeira árore é baseada em todos os casos, exceto os que estão na primeira dobra de amostra, a segunda árore é baseada em todos os casos, exceto os que estão na segunda dobra de amostra, e assim por diante. Para cada árore, o risco de classificação errada é estimado aplicando a árore à subamostra excluída em sua geração. É possíel especificar um máximo de 25 dobras de amostra. Quanto maior o alor, menor o número de casos excluídos para cada modelo de árore. A alidação cruzada produz um único modelo de árore final. A estimatia de risco de alidação cruzada para a árore final é calculada como a média dos riscos para todas as árores. Validação de amostra de diisão Com a alidação de amostra de diisão, o modelo é gerado usando uma amostra de treinamento e testado em uma amostra de alidação. É possíel especificar um tamanho de amostra de treinamento, expresso como uma porcentagem do tamanho total da amostra, ou uma ariáel que diide a amostra em amostras de treinamento e de teste. Se ocê usar uma ariáel para definir amostras de treinamento e de teste, os casos com um alor 1 para a ariáel serão designados à amostra de treinamento e todos os outros casos serão designados à amostra de teste. A ariáel não pode ser a ariáel dependente, uma ariáel de ponderação, uma ariáel de influência ou uma ariáel independente forçada. É possíel exibir resultados para as amostras de treinamento e de teste ou apenas para a amostra de teste. A alidação de amostra de diisão dee ser usada com cuidado em arquios de dados pequenos (arquios de dados com um pequeno número de casos). Os tamanhos pequenos da amostra de treinamento podem resultar em modelos simples, pois pode não haer casos suficientes em algumas categorias para o crescimento adequado da árore. Para alidar uma árore de decisão 1. No diálogo principal Árores de decisão, clique em Validação. 2. Selecione Validação cruzada ou Validação de amostra de diisão. Nota: Os dois métodos de alidação designam casos aleatoriamente a grupos de amostra. Se desejar ser capaz de reproduzir exatamente os mesmos resultados em uma análise subsequente, ocê dee configurar a alor semente de número aleatório (menu Transformar, Geradores de números aleatórios) antes de executar a análise pela primeira ez e, em seguida, reconfigure a semente como esse alor para a análise subsequente. Critérios crescentes da árore Os critérios crescentes disponíeis podem depender do método crescente, do níel de medição da ariáel dependente ou uma combinação dos dois. Limites de crescimento A guia Limites de crescimento permite limitar o número de níeis na árore e controlar o número mínimo de casos para nós pais e filhos. Capítulo 1. Criando árores de decisão 5

10 Profundidade máxima da árore. Controla o número máximo de níeis de crescimento abaixo do nó raiz. A configuração Automático limita a árore a três níeis abaixo do nó raiz para os métodos CHAID e CHAID Exaustio e a cinco níeis para os métodos CRT e QUEST. Número mínimo de casos. Controla o número mínimo de casos para os nós. Os nós que não satisfazem esses critérios não serão diididos. Aumentar os alores mínimos tende a produzir árores com menos nós. Diminuir os alores mínimos produz árores com mais nós. Para arquios de dados com um pequeno número de casos, os alores padrão de 100 casos para nós pai e 50 casos para nós filhos podem, às ezes, resultar em árores sem nenhum nó abaixo do nó raiz; nesse caso, reduzir os alores mínimos pode produzir resultados mais úteis. Para especificar limites de crescimento 1. No diálogo principal Árore de decisão, clique em Critérios. 2. Clique na guia Limites de crescimento. Critérios de CHAID Para os métodos CHAID e CHAID Exaustio, é possíel controlar: Níel de significância. É possíel controlar o alor de significância para diidir nós e mesclar categorias. Para os dois critérios, o níel de significância padrão é 0,05. Para diidir nós, o alor dee ser maior que 0 e menor que 1. Valores mais baixos tendem a produzir árores com menos nós. Para mesclar categorias, o alor dee ser maior que 0 e menor ou igual a 1. Para eitar a mesclagem de categorias, especifique um alor 1. Para uma ariáel independente de escala, isso significa que o número de categorias para a ariáel na árore final é o número especificado de interalos (o padrão é 10). Consulte o tópico Interalos de escala para análise CHAID na página 7 para obter mais informações Estatística qui-quadrado. Para ariáeis dependentes ordinais, o qui-quadrado para determinar a diisão do nó e a mesclagem de categoria é calculado usando o método de razão de erossimilhança. Para ariáeis dependentes nominais, é possíel selecionar o método: Pearson. Este método fornece cálculos mais rápidos, mas dee ser utilizado com cuidado em amostras pequenas. Este é o método padrão. Razão de erossimilhança. Esse método é mais robusto que o de Pearson, mas lea mais tempo para ser calculado. Para pequenas amostras, este é o método preferencial. Estimação de modelo. Para ariáeis dependentes nominais e ordinais, é possíel especificar: Número máximo de iterações. O padrão é 100. Se a árore parar de crescer porque o número máximo de iterações foi atingido, talez ocê queira aumentar o máximo ou mudar um ou mais dos outros critérios que controlam o crescimento da árore. Mudança mínima nas frequências de célula esperadas. O alor dee ser maior que 0 e menor que 1. O padrão é 0,05. Valores mais baixos tendem a produzir árores com menos nós. Ajustar alores de significância usando o método de Bonferroni. Para comparações múltiplas, os alores de significância para critérios de mesclagem e diisão são ajustados usando o método de Bonferroni. Esse é o padrão. Permitir noa diisão de categorias mescladas em um nó. A menos que ocê eite explicitamente a mesclagem de categoria, o procedimento tentará mesclar as categorias de ariáeis independentes (preditoras) juntas para produzir a árore mais simples que descree o modelo. Essa opção permite que o procedimento diida noamente as categorias mescladas se for fornecida uma solução melhor. 6 IBM SPSS Decision Trees 24

11 Para especificar critérios de CHAID 1. No diálogo principal Árore de decisão, selecione CHAID ou CHAID Exaustio como o método crescente. 2. Clique em Critérios. 3. Clique na guia CHAID. Interalos de escala para análise CHAID Na análise CHAID, as ariáeis independentes de escala (preditoras) são sempre diididas em grupos distintos (por exemplo, 0 10, 11 20, 21 30, etc.) antes da análise. É possíel controlar o número inicial/máximo de grupos (embora o procedimento possa mesclar grupos contínuos após a diisão inicial): Número fixo. Todas as ariáeis independentes de escala são inicialmente diididas no mesmo número de grupos. O padrão é 10. Customizado. Cada ariáel independente de escala é inicialmente diidida no número de grupos especificados para essa ariáel. Para especificar interalos para ariáeis independentes de escala 1. Na caixa de diálogo principal Árore de decisão, selecione uma ou mais ariáeis independentes de escala. 2. Para o método crescente, selecione CHAID ou CHAID exaustio. 3. Clique em Critérios. 4. Clique na guia Interalos. Na análise CRT e QUEST, todas as diisões são binárias e as ariáeis independentes de escala e ordinais são tratadas da mesma forma; portanto, não é possíel especificar diersos interalos para ariáeis independentes de escala. Critérios de CRT O método crescente CRT tenta maximizar a homogeneidade no nó. A extensão até onde um nó não representa um subconjunto homogêneo de casos é uma indicação de impureza. Por exemplo, um nó terminal no qual todos os casos possuem o mesmo alor para a ariáel dependente é um nó homogêneo que não requer nenhuma diisão adicional porque é "puro." É possíel selecionar o método usado para medir a impureza e a diminuição mínima na impureza necessária para diidir nós. Medida de Impureza. Para ariáeis dependentes de escala, a medida de desio de quadrado mínimo (LSD) de impureza é usada. Ela é calculada como a ariância no nó, ajustada para quaisquer ponderações de frequência ou alores de influência. Para ariáeis dependentes categóricas (nominais, ordinais), é possíel selecionar a medida de impureza: Gini. Foram encontradas diisões que maximizam a homogeneidade de nós filhos com relação ao alor da ariáel dependente. Gini é baseado nas probabilidades quadradas de associação para cada categoria da ariáel dependente. Ele atinge seu mínimo (zero) quando todos os casos em um nó estão incluídos em uma única categoria. Esta é a medida padrão. Twoing. Categorias da ariáel dependente são agrupadas em duas subclasses. São localizadas diisões que melhor separam os dois grupos. Twoing ordenado. Semelhante ao twoing, exceto que apenas as categorias adjacentes podem ser agrupadas. Esta medida está disponíel apenas para ariáeis dependentes ordinais. Mudança mínima na melhoria. Essa é a diminuição mínima de impureza necessária para diidir um nó. O padrão é 0,0001. Valores mais altos tendem a produzir árores com menos nós. Capítulo 1. Criando árores de decisão 7

12 Para especificar critérios de CRT 1. Para o método crescente, selecione CRT. 2. Clique em Critérios. 3. Clique na guia CRT. Critérios de QUEST Para o método QUEST, é possíel especificar o níel de significância para diisão de nós. Uma ariáel independente não pode ser usada para diidir nós, a menos que o níel de significância seja menor ou igual ao alor especificado. O alor dee ser maior que 0 e menor que 1. O padrão é 0,05. Valores menores tendem a excluir mais ariáeis independentes do modelo final. Para especificar critérios de QUEST 1. Na caixa de diálogo principal Árore de decisão, selecione uma ariáel dependente nominal. 2. Para o método crescente, selecione QUEST. 3. Clique em Critérios. 4. Clique na guia QUEST. Podando árores Com os métodos CRT e QUEST, é possíel eitar o superajuste do modelo podando a árore: a árore crescerá até que os critérios de parada sejam atendidos e, em seguida, será aparada automaticamente até a menor subárore, com base na diferença máxima especificada em risco. O alor de risco é expresso em erros padrão. O padrão é 1. O alor dee ser não negatio. Para obter a subárore com o risco mínimo, especifique 0. Para podar uma árore 1. Na caixa de diálogo principal Árore de decisão, para o método crescente, selecione CRT ou QUEST. 2. Clique em Critérios. 3. Clique na guia Poda. Poda ersus ocultar nós Ao criar uma árore podada, os nós podados da árore não estão disponíeis na árore final. É possíel ocultar e mostrar interatiamente os nós filhos selecionados na árore final, mas não é possíel mostrar nós que foram podados no processo de criação da árore. Consulte o tópico Capítulo 2, Editor de árore, na página 19 para obter mais informações Substitutos CRT e QUEST podem usar substitutos para ariáeis independentes (preditores). Para casos em que o alor para essa ariáel estier omisso, outras ariáeis independentes que possuem altas associações com a ariáel original serão usadas para classificação. Esses preditores alternatios são chamados substitutos. É possíel especificar o número máximo de substitutos a serem usados no modelo. Por padrão, o número máximo de substitutos é um menos o número de ariáeis independentes. Em outras palaras, para cada ariáel independente, todas as outras ariáeis independentes podem ser usadas como substitutas. Se não desejar que o modelo use substitutos, especifique 0 para o número de substitutos. Para especificar substitutos 1. Na caixa de diálogo principal Árore de decisão, para o método crescente, selecione CRT ou QUEST. 2. Clique em Critérios. 3. Clique na guia Substitutos. 8 IBM SPSS Decision Trees 24

13 Opções As opções disponíeis podem depender do método crescente, do níel de medição da ariáel dependente e/ou da existência de rótulos do alor definidos para alores da ariáel dependente. Custos de classificação errada Para ariáeis dependentes categóricas (nominais, ordinais), os custos de classificação errada permitem incluir informações sobre a penalidade relatia associada à classificação incorreta. Por exemplo: O custo de negar crédito a um cliente fidedigno proaelmente dee ser diferente do custo de estender crédito a um cliente que dá calote no empréstimo. O custo de classificação errada de uma pessoa com um alto risco de doença cardíaca como baixo risco proaelmente é muito mais alto do que o custo de classificação errada de uma pessoa de baixo risco como alto risco. O custo de enio de correspondência em massa para alguém que proaelmente não responderá proaelmente é muito baixo, enquanto o custo de não eniar a correspondência para alguém que proaelmente responderá é relatiamente mais alto (em termos de renda perdida). Custos de classificação errada e rótulos de alor Essa caixa de diálogo não estará disponíel, a não ser que pelo menos dois alores da ariáel dependente categórica tenham rótulos de alor definidos. Para especificar custos de classificação errada 1. Na caixa de diálogo principal Árore de decisão, selecione uma ariáel dependente categórica (nominal, ordinal) com dois ou mais rótulos de alor definidos. 2. Clique em Opções. 3. Clique na guia Custos de classificação errada. 4. Clique em Customizado. 5. Insira um ou mais custos de classificação errada na grade. Os alores deem ser não negatios. (As classificações corretas, representadas na diagonal, são sempre 0.) Matriz de preenchimento. Em muitos casos, talez ocê queira que os custos sejam simétricos ou seja, o custo de classificação errada de A como B seja igual ao custo de classificação errada de B como A. Os seguintes controles podem facilitar a especificação de uma matriz de custos simétricos: Duplicar triângulo inferior. Copia alores no triângulo inferior da matriz (abaixo da diagonal) para as células do triângulo superior correspondente. Duplicar triângulo superior. Copia alores no triângulo superior da matriz (acima da diagonal) para as células do triângulo inferior correspondente. Usar alores médios de célula. Para cada célula em cada metade da matriz, os dois alores (triangular superior e inferior) têm sua média calculada e a média substitui ambos os alores. Por exemplo, se o custo de classificação errada de A como B for 1 e o custo de classificação errada de B como A for 3, esse controle substituirá esses dois alores pela média (1+3)/2 = 2. Lucros Para ariáeis dependentes categóricas, é possíel designar alores de renda e despesa a níeis da ariáel dependente. O lucro é calculado como renda menos despesa. Os alores de lucro afetam o lucro médio e o ROI (retorno sobre inestimento) em tabelas de ganhos. Eles não afetam a estrutura básica do modelo de árore. Os alores de renda e de despesa deem ser numéricos e deem ser especificados para todas as categorias da ariáel dependente exibida na grade. Capítulo 1. Criando árores de decisão 9

14 Lucros e rótulos de alor Essa caixa de diálogo requer rótulos de alor definidos para a ariáel dependente. Ela não está disponíel, a não ser que pelo menos dois alores da ariáel dependente categórica tenham rótulos de alor definidos. Para especificar lucros 1. Na caixa de diálogo principal Árore de decisão, selecione uma ariáel dependente categórica (nominal, ordinal) com dois ou mais rótulos de alor definidos. 2. Clique em Opções. 3. Clique na guia Lucros. 4. Clique em Customizado. 5. Insira alores de renda e despesa para todas as categorias de ariáel dependente listadas na grade. Probabilidades anteriores Para árores CRT e QUEST com ariáeis dependentes categóricas, é possíel especificar probabilidades anteriores de associação ao grupo. Probabilidades anteriores são estimatias da frequência relatia geral para cada categoria da ariáel dependente antes de saber a respeito dos alores das ariáeis independentes (preditoras). Usar probabilidades anteriores ajuda a corrigir qualquer crescimento de árore causado por dados na amostra que não são representantes da população inteira. Obter de amostra de treinamento (informações a priori empíricas). Use essa configuração se a distribuição de alores de ariáel dependente no arquio de dados for representante da distribuição da população. Se estier usando a alidação de amostra de diisão, a distribuição de casos na amostra de treinamento será usada. Nota: Como os casos são designados aleatoriamente à amostra de treinamento na alidação de amostra de diisão, ocê não saberá com antecedência a distribuição real de casos na amostra de treinamento. Consulte o tópico Validação na página 5 para obter mais informações Igual entre categorias. Use essa configuração se as categorias das ariáel dependente forem representadas igualmente na população. Por exemplo, se houer quatro categorias, aproximadamente 25% dos casos estarão em cada categoria. Customizado. Insira um alor não negatio para cada categoria da ariáel dependente listada na grade. Os alores podem ser proporções, porcentagens, contagens de frequência, ou quaisquer outros alores que representam a distribuição de alores entre categorias. Ajustar informações a priori usando custos de classificação errada. Se ocê definir custos de classificação errada customizados, será possíel ajustar probabilidades anteriores com base nesses custos. Consulte o tópico Custos de classificação errada na página 9 para obter mais informações Lucros e rótulos de alor Essa caixa de diálogo requer rótulos de alor definidos para a ariáel dependente. Ela não está disponíel, a não ser que pelo menos dois alores da ariáel dependente categórica tenham rótulos de alor definidos. Para especificar probabilidades anteriores 1. Na caixa de diálogo principal Árore de decisão, selecione uma ariáel dependente categórica (nominal, ordinal) com dois ou mais rótulos de alor definidos. 2. Para o método crescente, selecione CRT ou QUEST. 3. Clique em Opções. 10 IBM SPSS Decision Trees 24

15 4. Clique na guia Probabilidades anteriores. Pontuações Para CHAID e CHAID Exaustio com uma ariáel dependente ordinal, é possíel designar escores customizados a cada categoria da ariáel dependente. Os escores definem a ordem e a distância entre as categorias da ariáel dependente. É possíel usar escores para aumentar ou diminuir a distância relatia entre alores ordinais ou mudar a ordem dos alores. Usar ranqueamento ordinal para cada categoria. A categoria mais baixa da ariáel dependente é designada a um escore de 1, a próxima categoria mais alta é designada a um escore de 2, e assim por diante. Este é o padrão. Customizado. Insira um alor de escore numérico para cada categoria da ariáel dependente listada na grade. Exemplo Tabela 3. Valores de escore customizado. Rótulo de alor Valor original Pontuação Não qualificado 1 1 Qualificação manual 2 4 Escrita Professional 4 7 Gerenciamento 5 6 Os escores aumentam a distância relatia entre Não qualificado e Qualificação manual e diminuem a distância relatia entre Não qualificado e Administratio. Os escores inertem a ordem de Gerenciamento e Profissional. Escores e rótulos de alor Essa caixa de diálogo requer rótulos de alor definidos para a ariáel dependente. Ela não está disponíel, a não ser que pelo menos dois alores da ariáel dependente categórica tenham rótulos de alor definidos. Para especificar escores 1. Na caixa de diálogo principal Árore de decisão, selecione uma ariáel dependente ordinal com dois ou mais rótulos de alor definidos. 2. Para o método crescente, selecione CHAID ou CHAID exaustio. 3. Clique em Opções. 4. Clique na guia Escores. Valores ausentes A guia Valores omissos controla o tratamento de alores de ariáeis independentes nominais, omissos de usuário (preditoras). O tratamento de alores de ariáeis independentes omissos de usuário ordinais e de escala aria entre os métodos crescentes. O tratamento de ariáeis dependentes nominais é especificado na caixa de diálogo Categorias. Consulte o tópico Selecionando categorias na página 4 para obter mais informações Para ariáeis dependentes ordinais e de escala, os casos com alores de ariáeis dependentes omissos do sistema ou omissos de usuário são sempre excluídos. Capítulo 1. Criando árores de decisão 11

16 Tratar como alores omissos. Os alores omissos de usuário são tratados como alores omissos do sistema. O tratamento de alores omissos do sistema aria entre métodos crescentes. Tratar como alores álidos. Os alores omissos de usuário de ariáeis independentes nominais são tratados como alores ordinários no crescimento e classificação da árore. Regras dependentes de método Se alguns, mas não todos os alores de ariáeis independentes forem omissos do sistema ou de usuário: Para CHAID e CHAID Exaustio, os alores de ariáeis independentes omissos do sistema e de usuário estão incluídos na análise como uma categoria única, combinada. Para ariáeis independentes de escala e ordinais, os algoritmos primeiro geram categorias usando alores álidos e, em seguida, decidem se mesclarão a categoria omissa com sua categoria mais similar (álida) ou se a manterão como uma categoria separada. Para CRT e QUEST, os casos com alores de ariáeis independentes omissos são excluídos do processo de crescimento da árore, mas são classificados usando substitutos, se os substitutos estierem incluídos no método. Se os alores omissos de usuário nominais forem tratados como omissos, eles também serão tratados dessa maneira. Consulte o tópico Substitutos na página 8 para obter mais informações Para especificar tratamento omisso de usuário nominal, independente 1. Na caixa de diálogo principal Árore de decisão, selecione pelo menos uma ariáel independente nominal. 2. Clique em Opções. 3. Clique na guia Valores omissos. Salando informações de modelo É possíel salar informações do modelo como ariáeis no arquio de dados de trabalho e também é possíel salar o modelo inteiro em formato XML (PMML) em um arquio externo. Variáeis salas Número de nó terminal. O nó terminal ao qual cada caso é designado. O alor é o número de nó da árore. Valor predito. A classe (grupo) ou alor para a ariáel dependente predita pelo modelo. Probabilidades preditas. A probabilidade associada à predição do modelo. Uma ariáel é sala para cada categoria da ariáel dependente. Não disponíel para ariáeis dependentes de escala. Designação de amostra (treinamento/teste). Para alidação de amostra de diisão, essa ariáel indica se um caso foi usado na amostra de treinamento ou de teste. O alor é 1 para a amostra de treinamento e 0 para a amostra de teste. Não disponíel, a menos que ocê tenha selecionado a alidação de amostra de diisão. Consulte o tópico Validação na página 5 para obter mais informações Exportar modelo de árore como XML É possíel salar o modelo de árore inteiro em formato XML (PMML). É possíel usar esse arquio de modelo para aplicar as informações de modelo a outros arquios de dados para propósitos de escoragem. Amostra de treinamento. Graa o modelo no arquio especificado. Para árores alidadas de amostra de diisão, esse é o modelo para a amostra de treinamento. 12 IBM SPSS Decision Trees 24

17 Amostra de teste. Graa o modelo para a amostra de teste no arquio especificado. Não disponíel, a menos que ocê tenha selecionado a alidação de amostra de diisão. Saída As opções de saída disponíeis dependem do método crescente, do níel de medição da ariáel dependente e de outras configurações. Exibição em Árore É possíel controlar a aparência inicial da árore ou suprimir completamente a exibição em árore. Árore. Por padrão, o diagrama de árore está incluído na saída exibida no Visualizador. Cancele a seleção dessa opção para excluir o diagrama de árore da saída. Exibição. Essas opções controlam a aparência inicial do diagrama de árore no Visualizador. Todos esses atributos também podem ser modificados editando a árore gerada. Orientação. A árore pode ser exibida de cima para baixo com o nó raiz na parte superior, da esquerda para a direita ou da direita para a esquerda. Conteúdos do nó. Os nós podem exibir tabelas, gráficos ou ambos. Para ariáeis dependentes categóricas, as tabelas exibem as contagens de frequência e porcentagens, e os gráficos são gráficos de barras. Para ariáeis dependentes de escala, as tabelas exibem médias, desios padrão, número de casos e alores preditos, e os gráficos são histogramas. Escala. Por padrão, as árores grandes são automaticamente diminuídas em uma tentatia de ajustar a árore na página. É possíel especificar uma porcentagem de escala customizada de até 200%. Estatísticas de ariáel independente. Para CHAID e CHAID Exaustio, as estatísticas incluem o alor F (para ariáeis dependentes de escala) ou alor qui-quadrado (para ariáeis dependentes categóricas), bem como o alor de significância e graus de liberdade. Para CRT, o alor de melhoria é mostrado. Para QUEST, F, alor de significância e graus de liberdade são mostrados para ariáeis independentes de escala e ordinais; para ariáeis independentes nominais, qui-quadrado, alor de significância e graus de liberdade são mostrados. Definições de nó. As definições de nó exibem os alores da ariáel independente usada em cada diisão de nó. Árore em formato de tabela. Informações de sumarização para cada nó na árore, incluindo o número de nó pai, estatísticas de ariáel independente, alores de ariáel independente para o nó, média e desio padrão para ariáeis dependentes de escala ou contagens e porcentagens para ariáeis dependentes categóricas. Para controlar a exibição em árore inicial 1. No diálogo principal Árore de decisão, clique em Saída. 2. Clique na guia Árore. Estatísticas As tabelas de estatísticas disponíeis dependem do níel de medição da ariáel dependente, do método crescente e de outras configurações. Modelo Sumarização. A sumarização inclui o método usado, as ariáeis incluídas no modelo e as ariáeis especificadas mas não incluídas no modelo. Risco. Estimatia de risco e seu erro padrão. Uma medida de precisão preditia da árore. Capítulo 1. Criando árores de decisão 13

18 Para ariáeis dependentes categóricas, a estimatia de risco é a proporção de casos classificados incorretamente após o ajustamento de probabilidades anteriores e custos de classificação errada. Para ariáeis dependentes de escala, a estimatia de risco está na ariância do nó. Tabela de classificação. Para ariáeis dependentes categóricas (nominais, ordinais), esta tabela mostra o número de casos classificados corretamente e incorretamente para cada categoria da ariáel dependente. Não disponíel para ariáeis dependentes de escala. Custo, probabilidade anterior, escore e alores de lucro. Para ariáeis dependentes categóricas, essa tabela mostra o custo, a probabilidade anterior, o escore e alores de lucro usados na análise. Não disponíel para ariáeis dependentes de escala. Variáeis independentes Importância para o modelo. Para o método crescente CRT, ranqueia cada ariáel independente (preditora) de acordo com sua importância para o modelo. Não disponíel para os métodos QUEST ou CHAID. Substitutos por diisão. Para os métodos crescentes CRT e QUEST, se o modelo incluir substitutos, lista substitutos para cada diisão na árore. Não disponíel para métodos CHAID. Consulte o tópico Substitutos na página 8 para obter mais informações Desempenho do nó Sumarização. Para ariáeis dependentes de escala, a tabela inclui o número de nó, o número de casos e o alor médio da ariáel dependente. Para ariáeis dependentes categóricas com lucros definidos, a tabela inclui o número de nó, o número de casos, o lucro médio e alores do ROI (retorno sobre inestimento). Não disponíel para ariáeis dependentes categóricas sem lucros definidos. Consulte o tópico Lucros na página 9 para obter mais informações Por categoria de destino. Para ariáeis dependentes categóricas com categorias de destino definidas, a tabela inclui o ganho de porcentagem, a porcentagem de resposta e porcentagem de índice (ganho) por grupo de nós ou de percentis. Uma tabela separada é produzida para cada categoria de destino. Não disponíel para ariáeis dependentes de escala ou ariáeis dependentes categóricas sem categorias de destino definidas. Consulte o tópico Selecionando categorias na página 4 para obter mais informações Linhas. As tabelas de desempenho do nó podem exibir resultados por nós terminais, percentis ou ambos. Se ocê selecionar ambos, duas tabelas serão produzidas para cada categoria de destino. As tabelas de percentis exibem alores acumulatios para cada percentil, com base na ordenação. Aumento de percentil. Para tabelas de percentis, é possíel selecionar o aumento do percentil: 1, 2, 5, 10, 20 ou 25. Exibir estatísticas acumulatias. Para tabelas de nós terminais, exibe colunas adicionais em cada tabela com resultados acumulatios. Para selecionar saída de estatísticas 1. No diálogo principal Árore de decisão, clique em Saída. 2. Clique na guia Estatísticas. Gráficos Os gráficos disponíeis dependem do níel de medição da ariáel dependente, do método crescente e outras configurações. 14 IBM SPSS Decision Trees 24

19 Importância da ariáel independente para o modelo. Gráfico de barras de importância do modelo por ariáel independente (preditor). Disponíel apenas com o método crescente CRT. Desempenho do nó Ganho. Ganho é a porcentagem do total de casos na categoria de destino em cada nó, calculada como: (destino do nó n / destino do total n) x 100. O gráfico de ganhos é um gráfico de linha de ganhos de percentis acumulatios, calculados como: (destino de percentil acumulatio n / destino total n) x 100. Um gráfico de linha separado é produzido para cada categoria de destino. Disponíel somente para ariáeis dependentes categóricas com categorias de destino definidas. Consulte o tópico Selecionando categorias na página 4 para obter mais informações O gráfico de ganhos plota os mesmos alores que ocê eria na coluna Percentual de ganho na tabela de ganhos para percentis, que também relata alores acumulatios. Index. O índice é a razão da porcentagem de resposta do nó para a categoria de destino comparada com a porcentagem de resposta da categoria de destino geral para a amostra inteira. O gráfico de índice é um gráfico de linha de alores de índice de percentil acumulatio. Disponíel apenas para ariáeis dependentes categóricas. O índice de percentil acumulatio é calculado como: (percentual de respostas de percentil acumulatio / percentual do total de respostas) x 100. Um gráfico separado é produzido para cada categoria de destino e categorias de destino deem ser definidas. O gráfico de índice plota os mesmos alores que ocê eria na coluna Índice na tabela de ganhos para percentis. Resposta. A porcentagem de processos no nó na categoria de destino especificada. O gráfico de resposta é um gráfico de linha de resposta de percentil acumulatio, calculado como: (destino de percentil acumulatio n / total de percentis acumulatios n) x 100. Disponíel somente para ariáeis dependentes categóricas com categorias de destino definidas. O gráfico de resposta plota os mesmos alores que ocê eria na coluna Resposta na tabela de ganhos para percentis. Média. Gráfico de linha de alores médios de percentil acumulatio para a ariáel dependente. Disponíel apenas para ariáeis dependente de escala. Média de lucro. Gráfico de linha de média de lucro acumulatio. Disponíel somente para ariáeis dependentes categóricas com lucros definidos. Consulte o tópico Lucros na página 9 para obter mais informações O gráfico de média de lucro plota os mesmos alores que ocê eria na coluna Lucro na tabela de sumarização de ganhos para percentis. Retorno sobre inestimento (ROI). Gráfico de linha de ROI acumulatio (retorno sobre inestimento). O ROI é calculado como a razão de lucros para despesas. Disponíel somente para ariáeis dependentes categóricas com lucros definidos. O gráfico ROI plota os mesmos alores que ocê eria na coluna ROI na tabela sumarização de ganhos para percentis. Aumento de percentil. Para todos os gráficos de percentil, essa configuração controla os incrementos de percentil exibidos no gráfico: 1, 2, 5, 10, 20 ou 25. Para selecionar a saída de gráfico 1. No diálogo principal Árore de decisão, clique em Saída. Capítulo 1. Criando árores de decisão 15

20 2. Clique na guia Gráficos. Regras de seleção e escoragem A guia Regras permite gerar regras de seleção ou classificação/predição no formato de sintaxe de comando, SQL ou texto simples (inglês simples). É possíel exibir essas regras no Visualizador e/ou salar as regras em um arquio externo. Sintaxe. Controla o formato das regras de seleção na saída exibida no Visualizador e das regras de seleção salas em um arquio externo. IBM SPSS Statistics. Linguagem da sintaxe de comando. As regras são expressas como um conjunto de comandos que definem uma condição do filtro que pode ser usada para selecionar subconjuntos de casos ou como instruções COMPUTE que podem ser usadas para escorar casos. SQL. As regras SQL padrão são geradas para selecionar ou extrair registros de um banco de dados ou designar alores a esses registros. As regras SQL geradas não incluem nenhum nome de tabela ou outras informações de origem de dados. Texto simples. Pseudocódigo de inglês simples. As regras são expressas como um conjunto de instruções lógicas "if...then" que descreem as classificações ou predições do modelo para cada nó. As regras nesse formato podem usar rótulos definidos de ariáel e de alor ou nomes de ariáeis e alores de dados. Tipo. Para regras do IBM SPSS Statistics e de SQL, controla o tipo de regras geradas: regras de seleção ou de escoragem. Designar alores a casos. As regras podem ser usadas para designar as predições do modelo a casos que atendem aos critérios de associação do nó. É gerada uma regra separada para cada nó que atende aos critérios de associação do nó. Selecionar casos. As regras podem ser usadas para selecionar casos que atendem aos critérios de associação do nó. Para regras do IBM SPSS Statistics e de SQL, é gerada uma única regra para selecionar todos os casos que atendem aos critérios de seleção. Incluir substitutos em regras do IBM SPSS Statistics e de SQL. Para CRT e QUEST, é possíel incluir preditores substitutos do modelo nas regras. As regras que incluem substitutos podem ser bastante complexas. Em geral, se ocê apenas deseja deriar informações conceituais sobre sua árore, exclua os substitutos. Se alguns casos tierem dados da ariáel independente (preditora) incompletos e ocê desejar regras que imitam sua incluir, inclua substitutos. Consulte o tópico Substitutos na página 8 para obter mais informações Nós. Controla o escopo das regras geradas. É gerada uma regra separada para cada nó incluído no escopo. Todos os nós terminais. Gera regras para cada nó terminal. Melhores nós terminais. Gera regras para os principais n nós terminais com base em alores de índice. Se o número exceder o número de nós terminais na árore, as regras serão geradas para todos os nós terminais. (Consulte a nota abaixo.) Melhores nós terminais até uma porcentagem especificada de casos. Gera regras para nós terminais para a porcentagem n principal de casos com base em alores de índice. (Consulte a nota abaixo.) Nós terminais cujo alor de índice atende ou excede um alor de corte. Gera regras para todos os nós terminais com um alor de índice maior ou igual ao alor especificado. Um alor de índice maior que 100 significa que a porcentagem de casos na categoria de destino nesse nó excede a porcentagem no nó raiz. (Consulte a nota abaixo.) Todos os nós. Gera regras para todos os nós. Nota 1: A seleção de nó baseada em alores de índice está disponíel apenas para ariáeis dependentes categóricas com categorias de destino definidas. Se ocê tier especificado árias categorias de destino, será gerado um conjunto separado de regras para cada categoria de destino. 16 IBM SPSS Decision Trees 24

21 Nota 2: Para regras do IBM SPSS Statistics e de SQL para selecionar casos (não regras para designar alores), Todos os nós e Todos os nós terminais gerarão efetiamente uma regra que seleciona todos os casos usados na análise. Exportar regras para um arquio. Sala as regras em um arquio de texto externo. Também é possíel gerar e salar regras de seleção ou de escoragem interatiamente, com base em nós selecionados no modelo de árore final. Consulte o tópico Seleção de caso e regras de escoragem na página 21 para obter mais informações Nota: Se ocê aplicar regras no formato de sintaxe de comando a outro arquio de dados, esse arquio de dados deerá conter ariáeis com os mesmos nomes que as ariáeis independentes incluídas no modelo final, medidas na mesma métrica, com os mesmos alores omissos definidos pelo usuário (se houer). Para especificar regras de seleção ou de escoragem 1. No diálogo principal Árore de decisão, clique em Saída. 2. Clique na guia Regras. Capítulo 1. Criando árores de decisão 17

22 18 IBM SPSS Decision Trees 24

23 Capítulo 2. Editor de árore Com o Editor de árore, é possíel: Ocultar e mostrar ramificações de árore selecionadas. Controlar a exibição de conteúdo do nó, estatísticas exibidas em diisões do nó e outras informações. Mudar as cores do nó, do plano de fundo, da borda, do gráfico e da fonte. Mudar o estilo e tamanho da fonte. Mudar o alinhamento da árore. Selecionar subconjuntos de casos para análise adicional com base em nós selecionados. Criar e salar regras para casos de seleção e escoragem com base em nós selecionados. Para editar um modelo de árore: 1. Clique duas ezes no modelo de árore na janela Visualizador. ou 2. No menu Editar ou no menu pop-up de clique com o botão direito, escolha: Editar conteúdo > Em janela separada Ocultando e mostrando nós Para ocultar (reduzir) todos os nós filhos em uma ramificação abaixo de um nó pai: 1. Clique no sinal de menos (-) na caixa pequena abaixo do canto inferior direito do nó pai. Todos os nós abaixo do nó pai nessa ramificação ficarão ocultos. Para mostrar (expandir) os nós filhos em uma ramificação abaixo de um nó pai: 2. Clique no sinal de mais (+) na caixa pequena abaixo do canto inferior direito do nó pai. Nota: Ocultar os nós filhos em uma ramificação não é igual a podar uma árore. Se desejar podar uma árore, dee-se solicitar a poda antes da criação da árore, e as ramificações podadas não serão incluídas na árore final. Consulte o tópico Podando árores na página 8 para obter mais informações Selecionando ários nós É possíel selecionar casos, gerar regras de escoragem e seleção e executar outras ações com base nos nós selecionados atualmente. Para selecionar ários nós: 1. Clique em um nó que ocê deseja selecionar. 2. Ctrl-clique nos outros nós que ocê deseja selecionar. É possíel selecionar ários nós irmãos e/ou nós pais em uma ramificação e nós filhos em outra ramificação. No entanto, não é possíel usar a seleção múltipla em um nó pai e em um filho/descendente da mesma ramificação do nó. Trabalhando com árores grandes Os modelos de árore às ezes podem conter muitos nós e ramificações que fica difícil ou impossíel isualizar a árore inteira em tamanho normal. Existem ários recursos que ocê pode achar úteis ao trabalhar com árores grandes: Mapa de árore. É possíel usar o mapa de árore, uma ersão muito menor e simplificada da árore, para naegar na árore e selecionar nós. Consulte o tópico Mapa de árore na página 20 para obter mais informações 19