Faça ofertas aos clientes (autoaprendizagem)

O projeto de exemplo contém vários conjuntos de dados e fluxos de modelador de exemplo. Se você ainda não tem o projeto de exemplo, consulte o tópico Tutoriais para criar o projeto de exemplo. Em seguida, siga estas etapas para abrir o projeto de exemplo:

1. No menu watsonxNavegação, selecione Projetos > Todos os projetos.
2. Clique em Projeto “ SPSS Modeler ”.
3. Clique na guia Ativos para ver os conjuntos de dados e os fluxos do modelador.

Verifique seu progresso

A imagem a seguir mostra a guia Ativos do projeto. Agora você está pronto para trabalhar com o fluxo do modelador de amostra associado a este tutorial.

Voltar ao topo

Fazer ofertas aos clientes - O fluxo do modelador de autoaprendizagem inclui vários nós. Siga estas etapas para examinar os nós Data Asset e Filler :

1. Na guia Ativos, abra o fluxo Modelador de autoaprendizagem - Fazendo ofertas aos clientes e aguarde o carregamento da tela.
2. Clique duas vezes no pm_customer_train1.csv nó. Este nó é um nó de ativo de dados que aponta para o pm_customer_train1.csv arquivo no projeto.
3. Revise as propriedades do formato do arquivo.
4. Opcional: clique em Visualizar dados para ver o conjunto de dados completo.
5. Clique duas vezes no nó Filler.
   Os nós de preenchimento são usados para substituir valores de campo e alterar o armazenamento. Você pode optar por substituir valores com base em uma condição CLEM especificada, como @BLANK(FIELD). Como alternativa, você pode optar por substituir todos os espaços em branco ou valores nulos por um valor específico. Os nós de preenchimento são frequentemente usados com o nó Tipo para substituir valores ausentes.
   Na seção Preencher campos, você pode especificar os campos do conjunto de dados cujos valores deseja examinar e substituir. Nesse caso, a campaign coluna é especificada juntamente com uma seleção Sempre na seção Substituir.
6. Clique em Cancelar.

Verifique seu progresso

A imagem a seguir mostra o nó Filler. Agora você está pronto para examinar os nós Tipo e Reclassificar.

Voltar ao topo

Siga estas etapas para examinar os nós Tipo e Reclassificar :

1. Clique duas vezes no nó Tipo para ver suas propriedades.
   Com o nó Tipo, você pode indicar os tipos de campos que está usando e como eles são usados para prever os resultados. Observe que a função dos campos campaign response e está definida como Destino. Os alvos especificados são os campos nos quais você deseja basear suas previsões. A medida está definida como Sinalizador para o response campo.
2. Clique em Ler valores.

   

3. Clique em Salvar.

   Como os dados do campo da campanha são exibidos como uma lista de números (1, 2, 3 e 4), você pode reclassificar os campos para ter títulos mais significativos.

4. Clique duas vezes no nó Reclassificar para ver suas propriedades.
5. Na seção Reclassificar em, selecione Campo existente.
6. Em seguida, na seção Reclassificar campo, selecione campanha.
7. Clique em Obter valores. Os valores da campanha são adicionados à ORIGINAL VALUE coluna.
8. Observe que, na seção Valores da NEW VALUE coluna, há quatro linhas:
   • Mortgage
   • Car loan
   • Savings
   • Pension
9. Clique em Salvar.

Verifique seu progresso

A imagem a seguir mostra o nó Reclassificar. Agora você está pronto para explorar o nó SLRM.

Voltar ao topo

Siga estas etapas para explorar o nó SLRM :

1. Clique duas vezes no nó da campanha (SLRM) para visualizar suas propriedades.
2. Selecione campaign para o campo Destino e response para o campo Resposta do destino.
3. Em Opções do modelo, para Número máximo de previsões por registro, reduza o número para 2. Isso significa que, para cada cliente, há duas ofertas identificadas com maior probabilidade de serem aceitas.
4. Certifique-se de que a opção Levar em conta a confiabilidade do modelo esteja selecionada.
5. Clique em Salvar.

Verifique seu progresso

A imagem a seguir mostra o fluxo. Agora você está pronto para gerar o modelo.

Voltar ao topo

Siga estas etapas para gerar o modelo:

1. Passe o cursor sobre o nó da campanha (SLRM) e clique no ícone Executar.
2. No painel Resultados e modelos, clique no modelo da campanha para visualizar os resultados.

   A visualização inicial mostra a precisão estimada das previsões para cada oferta. Você também pode clicar em Importância do preditor para ver a importância relativa de cada preditor na estimativa do modelo ou clicar em Associação com a resposta para mostrar a correlação de cada preditor com a variável-alvo.

   

3. Para alternar entre cada uma das quatro ofertas para as quais existem previsões, use o menu Exibir.
4. Volte ao fluxo.

Verifique seu progresso

A imagem a seguir mostra o fluxo. Agora você está pronto para experimentar outros nós de ativos de dados.

Voltar ao topo

Siga estas etapas para experimentar outros nós de ativos de dados :

1. Desconecte o pm_customer_train1.csv nó do nó Filler.
2. Conecte o pm_customer_train2.csv nó ao nó Filler.
3. Clique duas vezes no nó da campanha (SLRM) e, em Opções de compilação, certifique-se de que a opção Continuar treinando o modelo existente esteja selecionada.
4. Clique em Salvar.
5. Execute o fluxo para regenerar o nugget do modelo. Passe o cursor sobre o nó da campanha (SLRM) e clique no ícone Executar.
6. No painel Resultados e modelos, clique no modelo da campanha para visualizar os resultados. O modelo agora mostra as estimativas revisadas da precisão das previsões para cada oferta.

   

7. Desconecte o pm_customer_train2.csv nó do nó Filler.
8. Conecte o pm_customer_train3.csv nó ao nó Filler.
9. Execute o fluxo para regenerar o nugget do modelo. Passe o cursor sobre o nó da campanha (SLRM) e clique no ícone Executar.
10. No painel Resultados e modelos, clique no modelo da campanha para visualizar os resultados.

    

    O modelo agora mostra a precisão final estimada das previsões para cada oferta. Como você pode ver, a precisão média caiu ligeiramente à medida que você adicionou fontes de dados adicionais. No entanto, essa flutuação é mínima e pode ser atribuída a pequenas anomalias nos dados disponíveis.

11. Passe o cursor sobre o nó Tabela e clique no ícone Executar.
12. No painel Saídas e modelos, clique no modelo Tabela para visualizar os resultados.

    

As previsões na tabela mostram qual oferta um cliente tem mais chances de aceitar e a confiança de que ele aceitará essa oferta, dependendo dos detalhes de cada cliente. Por exemplo, na primeira linha, há apenas uma classificação de confiança de 13.2 % (indicada pelo valor 0.132 na $SC-campaign-1 coluna) de que um cliente que anteriormente contraiu um empréstimo para aquisição de automóvel aceita uma pensão, caso lhe seja oferecida. No entanto, a segunda e a terceira linhas mostram mais dois clientes que também fizeram um empréstimo para comprar um carro; nos casos deles, há uma confiança e 95.7 % de que eles, e outros clientes com históricos semelhantes, abram uma conta poupança se lhes for oferecida, e mais de 80% de confiança de que aceitem uma pensão.

Explicações sobre os fundamentos matemáticos dos métodos de modelagem utilizados SPSS Modeler estão disponíveis no Guia de Algoritmos do SPSS Modeler.

Esses resultados baseiam-se apenas nos dados de treinamento. Para avaliar o desempenho do modelo em outros dados do mundo real, use um nó Partição para separar um subconjunto de registros para fins de teste e validação.

Verifique seu progresso

A imagem a seguir mostra o fluxo.

Voltar ao topo