预测贷款拖欠者（贝叶斯网络）

使用贝叶斯网络，可以通过将观察到并记录下的证据与实际常识结合起来构建概率模型，以通过使用表面看上去不相关的属性确定发生的可能性。

此示例使用名为 bayes_bankloan.str 的流，它引用名为 bankloan.sav 的数据文件。这些文件可在任何 IBM® SPSS® Modeler 安装的 Demos 文件夹中找到，并可从 Windows“开始”菜单上的 IBM SPSS Modeler 程序组进行访问。文件 bayes_bankloan.str 位于 streams 目录下。

例如，假设某个银行希望了解不偿还贷款的潜在情况。如果先前的贷款拖欠数据可用于预测哪些潜在客户可能难以偿还贷款，那么可以对这些“风险大”的客户减少贷款或者为他们提供替代产品。

本示例主要讲述使用现有贷款拖欠数据来预测今后出现的潜在贷款拖欠者，并观察了三个不同的贝叶斯网络模型类型，从而确定在这种情况下哪个类型的预测效果更好。