SPSS Modeler 建模前准备—数据平衡与特征选择（指南第十一章）

最新推荐文章于 2022-08-23 17:35:06 发布

Yomi JIN

最新推荐文章于 2022-08-23 17:35:06 发布

阅读量7.8k

点赞数 5

分类专栏： IBM SPSS Modeler数据挖掘软件学习笔记

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_24339451/article/details/105715294

版权

本文详细介绍了在SPSS Modeler中如何处理数据不平衡问题，包括欠采样和过采样的方法，并结合"bankloan.sav"数据进行实例演示。此外，文章还阐述了特征选择的重要性，给出了"telco.sav"数据的特征选择步骤和结果，最终从42个字段中筛选出28个用于建模。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在这里插入图片描述

1. 数据平衡

在数据挖掘过程中，经常会遇到数据不平衡的问题，由于模型总是力求分类尽可能精确，因此面对不平衡数据时分类器总是倾向于大类别的样本。

平衡节点
在这里插入图片描述
在平衡节点中，提供了两种处理方式：
（1）欠采样：对于总体数据中的多数类别，通过对其进行随机抽样，减少多数类别的样本数量，以此来降低数据集的不平衡程度。
（2）过采样：对于总体数据中的少数类别，通过对其进行样本复制，增加额外的样本量，以此来降低数据集的不平衡程度。

案例：Demo文件下的”bankloan.sav“数据文件。（违约风险分析）

数据展示：
在这里插入图片描述

1.1 查看客户流失情况分布

最低0.47元/天解锁文章

评论 2

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。