Прогнозное моделирование в IBM SPSS Statistics и R. Метод деревьев решений

Предисловие
Глава 1. Введение в метод деревьев решений
1.1. Введение в методологию деревьев решений
1.2. Преимущества и недостатки деревьев решений
1.3. Задачи, выполняемые с помощью деревьев
решений
Вопросы к главе 1
Часть I. ПОСТРОЕНИЕ ДЕРЕВЬЕВ РЕШЕНИЙ В IBM
SPSS STATISTICS
Глава 2. Основы прогнозного моделирования с
помощью деревьев решений CHAID
2.1. Запуск процедуры Деревья классификации
2.2. Четыре метода деревьев решений
2.3. Шкалы переменных
2.4. Определение необходимого размера выборки
2.5. Знакомство с методом CHAID
2.5.1. Описание алгоритма
2.5.2. Немного о тесте хи-квадрат
2.5.3. Немного об F-тесте
2.5.4. Способы объединения категорий
предикторов
2.5.5. Поправка Бонферрони
2.5.6. Иллюстрация работы CHAID на конкретном
примере
2.6. Построение дерева классификации CHAID
2.6.1. Настройка процедуры Деревья
классификации
2.6.2. Работа с отчетом о построении модели
2.7. Работа с прогнозами модели
2.7.1. Получение результатов классификации
2.7.2. Сохранение прогнозов модели в файле
данных
2.7.3. Самостоятельное построение таблицы
классификации и изменение порогового значения
вероятности
2.8. Анализ ROC-кривой
2.8.1. Терминология анализа ROC-кривой
2.8.2. Оценка дискриминирующей способности
модели и выбор порогового значения с помощью
ROC-кривой
2.9. Проверка модели
2.9.1. Методы проверки модели в процедуре
Деревья классификации
2.9.2. Работа с результатами проверки модели
2.10. Дополнительные настройки вывода
результатов
2.10.1. Настройки вывода дерева
2.10.2. Построение таблицы дерева
2.10.3. Настройки вывода статистик
2.10.4. Построение таблиц выигрышей для узлов и
процентилей
2.10.5. Настройки вывода графиков
2.10.6. Построение графиков выигрышей, индексов
и откликов
2.10.7. Настройки вывода правил классификации
2.10.8. Применение правил классификации к новому
набору данных
2.11. Построение дерева регрессии CHAID
2.12. Использование принудительной переменной
расщепления
Вопросы к главе 2
Глава 3. Продвинутое моделирование с помощью
деревьев решений CHAID
3.1. Построение деревьев CHAID с измененными
критериями
3.1.1. Настройка правил остановки
3.1.2. Построение деревьев CHAID с измененными
правилами остановки
3.1.3. Настройка статистических тестов для
разбиения узлов и объединения категорий
предикторов
3.1.4. Построение дерева CHAID с измененными
статистическими тестами
3.1.5. Настройка обработки количественных
предикторов
3.1.6. Построение дерева CHAID с измененным
числом интервалов для количественных
предикторов
3.2. Метод Исчерпывающий CHAID
3.3. Обзор параметров деревьев решений
3.4. Работа с пропусками в методе CHAID
3.4.1. Настройка обработки пропущенных значений
3.4.2. Построение дерева CHAID на основе данных,
содержащих пропуски
3.5. Работа со стоимостями ошибочной
классификации в методе CHAID
3.5.1. Настройка стоимостей ошибочной
классификации
3.5.2. Построение дерева CHAID с измененными
стоимостями ошибочной классификации
3.6. Работа с прибылями в методе CHAID
3.6.1. Настройка прибылей
3.6.2. Построение дерева CHAID с заданными
значениями прибыли
3.7. Работа со значениями
3.8. Применение метода CHAID для биннинга
переменных (на примере конкурсной задачи ОТП
Банка)
3.8.1. Преимущества и недостатки биннинга
3.8.2. Предварительная подготовка данных
3.8.3. Определение важности переменных с
помощью случайного леса
3.8.4. Анализ мультиколлинеарности
3.8.5. Выполнение автоматического биннинга
переменных
3.8.6. Построение моделей логистической
регрессии на основе исходных предикторов и
предикторов, категоризированных с помощью
CHAID
3.8.7. Выполнение биннинга переменных с помощью
процедуры Оптимальная категоризация
3.8.8. Построение модели логистической регрессии
на основе оптимально категоризированных
предикторов
3.8.9. Преобразование количественных
переменных для максимизации нормальности
3.8.10. Построение модели логистической
регрессии с использованием CHAID и
преобразования корня третьей степени
3.9. Построение ансамбля логистической регрессии
и дерева CHAID
Вопросы к главе 3
Глава 4. Построение деревьев решений CRT и
QUEST
4.1. Знакомство с методом CRT
4.1.1. Описание алгоритма
4.1.2. Неоднородность
4.1.3. Внутриузловая дисперсия
4.1.4. Метод отсечения ветвей на основе меры
стоимости-сложности
4.1.5. Обработка пропущенных значений
4.1.6. Иллюстрация работы CRT на конкретном
примере
4.2. Построение дерева классификации CRT
4.3. Построение дерева CRT с измененными
критериями
4.3.1. Настройка мер неоднородности для отбора
предикторов и расщепления узлов
4.3.2. Настройка отсечения ветвей
4.3.3. Построение дерева CRT с последующим
отсечением ветвей
4.3.4. Настройка суррогатов для обработки
пропущенных значений
4.3.5. Построение дерева CRT на основе данных,
содержащих пропуски
4.4. Вывод важности предикторов
4.5. Работа с априорными вероятностями в методе
CRT
4.5.1. Настройка априорных вероятностей
4.5.2. Построение дерева CRT с измененными
априорными вероятностями
4.6. Знакомство с методом QUEST
4.6.1. Описание алгоритма
4.6.2. Метод отсечения ветвей на основе меры
стоимости-сложности
4.7. Построение дерева классификации QUEST
4.8. Сравнение метода QUEST с другими методами
деревьев решений
4.9. Построение дерева QUEST с измененными
критериями
4.9.1. Настройка статистических тестов для
отбора предикторов
4.9.2. Построение дерева QUEST с последующим
отсечением ветвей
Вопросы к главе 4
Глава 5. Редактор дерева
5.1. Просмотр диаграммы дерева в Редакторе
5.2. Просмотр содержимого узла в Редакторе
5.3. Настройка внешнего вида диаграммы дерева в
Редакторе
5.4. Изменение ориентации диаграммы дерева в
Редакторе
5.5. Настройка содержимого узла в Редакторе
5.6. Отбор наблюдений в Редакторе
5.7. Иллюстрация работы в Редакторе дерева на
конкретном примере
Часть II. ПОСТРОЕНИЕ ДЕРЕВЬЕВ РЕШЕНИЙ В R
Глава 6. Построение деревьев решений CHAID с
помощью пакета R CHAID
6.1. Построение и интерпретация дерева
классификации CHAID
6.2. Работа с прогнозами модели
6.3. Сохранение результатов прогноза
6.4. Применение модели к новым данным
6.5. Проверка модели
6.6. Биннинг переменных
6.6.1. Биннинг в пакете rattle
6.6.2. Биннинг в пакете smbinning
Вопросы к главе 6
Глава 7. Построение деревьев решений CRT с
помощью пакета R rpart
7.1. Метод отсечения ветвей на основе
стоимости-сложности с кросс-проверкой
7.2. Построение и интерпретация дерева
классификации CRT
7.3. Прунинг дерева CRT
7.4. Работа с прогнозами модели
7.5. Сохранение результатов прогноза
7.6. Применение модели к новым данным
7.7. Построение и интерпретация дерева регрессии
CRT
Вопросы к главе 7
Ключи к вопросам
Библиографический список