预测和专业建模 • Bootstrap 森林法 • 包含分类响应的 Bootstrap 森林法的示例 • Bootstrap 森林法模型
上一个
 • 
下一个
Bootstrap 森林法模型
1.
选择帮助 > 样本数据库，然后打开 Equity.jmp。
2.
选择分析 > 预测建模 > Bootstrap 森林法。
3.
选择不良并点击 Y，响应。
4.
从贷款一直选到负债收入比，然后点击 X，因子。
5.
选择验证并点击验证。
6.
点击确定。
7.
在“每树最大拆分数”旁边，输入 30。
8.
选择在数个项数下进行多个拟合并在“最大项数”旁边输入 5。
9.
（可选）选择禁止多线程并在“随机种子”旁边输入 123。
由于 Bootstrap 森林法涉及随机样本，这些操作可确保您获取如下所示的精确结果。
10.
点击确定。
“总体统计量”报表
由于指定了“在数个项数下进行多个拟合”选项，则在每个拆分中将 3、4 和 5 用作预测变量数来创建模型。“模型验证集汇总”报表显示验证集有最高的“熵 R 方”的模型是五项模型。这也是误分类率最小的模型。确定该模型为最佳模型，总体报表中的结果是针对该模型的结果。
总体报表显示验证集和测试集的误分类率分别约为 11.3% 和 9.9%。混淆矩阵表明最大的误分类来源是将不良风险客户分类为良好风险客户。
测试集的结果提示您模型扩展到独立观测的能力有多强。验证集用于选择“Bootstrap 森林法”模型。出于该原因，验证集的结果会有一定偏差地指出模型如何推广到独立数据。
您关注的是确定哪些预测变量对模型的贡献最多。
11.
点击“Bootstrap 森林法; 不良”旁边的红色小三角，然后选择列贡献。
“列贡献”报表
“列贡献”报表表明客户信用风险的最强预测变量为负债收入比，即负债与收入的比率。对模型贡献第二高的变量包括拖欠交易记录数（拖欠债务的贷方行）和价值（客户的评估值）。