クラス判別は、クラス・ラベルが含まれる一組のレコードから、クラスのモデルを自動的に作成するプロセスです。
クラス判別手法では、特定のクラスに属することがすでに判明しているレコードを分析し、レコードの共通特性から、そのクラスのメンバーに対するプロファイルを作成します。
Intelligent Miner® を使用して、クラス判別モデルを作成し、次のようにこれらのモデルを検証したりテストすることができます。
- 特定のクラス判別が行われた理由を分析する
- 新規データのクラス判別を予測する
クラス判別のマイニング関数を使用して、例えば以下のことを行うことができます。
- 保険金請求を承認または拒否する
- クレジット・カードの不正使用を検出する
- 製造された部品のイメージで欠陥を識別する
- エラー状況を診断する
その他の適切な適用には、ターゲット・マーケティング、医療診断、医療処置の有効性、在庫の補充、および店舗の用地計画があります。
クラス判別モデルを表示したり、分析するには Intelligent Miner Visualizer を使用し、新しいデータ・レコードをモデルに対比してスコアリングするには Intelligent Miner を使用します。
例えば、保険会社には、保険を失効させた顧客と失効させなかった顧客に関するデータがあります。
どのように保険会社はこの情報を最良の方法で活用して、将来そのような顧客を識別することができるでしょうか。
このような保険の顧客はすでに特定のクラスに属しています。つまり、保険を失効させた顧客として「分類」されています。
会社は、クラス判別のマイニング関数を使用して、リスク・グループ・プロファイルをデータ・マイニング・モデルの形式で作成できます。
このプロファイルまたはモデルには、他の顧客と比較した場合に、失効させた顧客に共通して見られる属性が含まれます。
保険会社は、このプロファイルを新規の顧客 (まだ「分類されていない」) に適用して、この顧客がリスク・グループに属するかどうかを確認できます。
手順は、以下のとおりです。
- 保険会社は、Intelligent Miner クラス判別のトレーニング実行を使用して、それぞれの定義済み顧客リスク・クラスの属性を識別し、モデルを作成します。
- 保険会社は Intelligent Miner を使用して、そのモデルを既知の顧客のリスク・クラスに関するテスト・データに適用することにより、モデルの正確性をテストすることができます。
- 保険会社は Intelligent Miner を使用して、テスト済みのモデルを新規データに適用することができます。
これにより、将来どの顧客が保険を失効する可能性があるかを予測します。