Introducción al modelado
Un modelo es un conjunto de reglas, fórmulas o ecuaciones que puede utilizarse para predecir un resultado basándose en un conjunto de campos o variables de entrada. Por ejemplo, puede que una institución financiera utilice un modelo para predecir la probabilidad de que los solicitantes de un préstamo sean un riesgo bueno o malo, basándose en información que ya se conoce sobre solicitantes anteriores.
La capacidad de predecir un resultado es el objetivo central del análisis predictivo y la comprensión del proceso de modelado es la clave para utilizar IBM® SPSS Modeler.
Este ejemplo utiliza un modelo de árbol de decisión que clasifica los registros (y predice una respuesta) utilizando una serie de reglas de decisión, por ejemplo:
IF ingreso = Medio
AND tarjetas <5
THEN -> 'Bueno'Aunque este ejemplo utiliza un modelo CHAID (Detección automática de interacciones mediante chi-cuadrado), se presenta como una introducción general y la mayoría de los conceptos se aplica de forma amplia en otros tipos de modelado de IBM SPSS Modeler.
Para comprender cualquier modelo, primero debe comprender los datos que incluye. Los datos de este ejemplo contienen información sobre los clientes de un banco. Se utilizan los siguientes campos:
| Nombre de campo | Descripción |
|---|---|
| Valoración_crédito | Valoración de crédito: 0=Malo, 1=Bueno, 9=valores perdidos |
| Edad | Edad en años |
| Ingresos | Nivel de ingresos: 1=Bajo, 2=Medio, 3=Alto |
| Tarjetas_crédito | Número de tarjetas de crédito en propiedad: 1=Menos de cinco, 2=Cinco o más |
| Educación | Nivel educativo: 1=Instituto, 2=Universidad |
| Préstamo_coche | Número de préstamos de coche asumidos: 1= Ninguno o uno, 2=Más de dos |
El banco mantiene una base de datos con información histórica sobre los clientes a los que el banco ha concedido préstamos, incluido si los han reintegrado o no (Valoración de crédito = Bueno) o causado mora en el pago de dichos préstamos (Valoración de crédito = Malo). Con los datos existentes, el banco quiere generar un modelo que le permita predecir la probabilidad de mora del préstamo de los posibles solicitantes futuros de un préstamo.
Al utilizar un modelo de árbol de decisión, puede analizar las características de los dos grupos de clientes y predecir la probabilidad de mora del préstamo.
Este ejemplo utiliza la ruta denominada modelingintro.str, disponible en la carpeta Demos bajo la subcarpeta streams. El archivo de datos es tree_credit.sav. Consulte Carpeta Demos para obtener más información.
Veamos la ruta más detenidamente.
- Seleccione lo siguiente en el menú principal:
- Pulse en el icono de nugget dorado de la barra de herramientas del cuadro de diálogo Abrir y seleccione la carpeta Demos.
- Pulse dos veces en la carpeta streams.
- Pulse dos veces en el archivo llamado modelingintro.str.