Geschäftskontext
Ein Telekommunikationsanbieter möchte vorhersagen, wann Kunden ihren Vertrag kündigen (Churn). Da es viele potenzielle Einflussfaktoren gibt (Nutzungsverhalten, Vertragsart, Demografie), soll die LASSO-Methode verwendet werden, um die wichtigsten Variablen automatisch auszuwählen und ein robustes Modell auf einem großen Datensatz zu erstellen.
Datenaufbereitung
Simulation eines großen Datensatzes (10.000 Kunden) mit Zufallsvariablen für die LASSO-Selektion.
Kopiert!
| 1 | |
| 2 | DATA casuser.telco_churn; |
| 3 | call streaminit(123); |
| 4 | DO i=1 to 10000; |
| 5 | Tenure=rand('Exponential', 20); |
| 6 | Churn=rand('Bernoulli', 0.3); |
| 7 | MonthlyBill=rand('Normal', 50, 10); |
| 8 | DataUsage=rand('Uniform', 0, 100); |
| 9 | Age=rand('Integer', 18, 80); |
| 10 | OUTPUT; |
| 11 | END; |
| 12 | |
| 13 | RUN; |
| 14 |
Étapes de réalisation
1
Durchführung der Cox-Regression mit LASSO-Selektion und Generierung des Scoring-Codes.
Kopiert!
| 1 | PROC CAS; |
| 2 | phreg.cox / |
| 3 | TABLE={name='telco_churn'} |
| 4 | selection={method='LASSO', details='ALL'} |
| 5 | model={depVar='Tenure', cnsVar='Churn', cnsValue=0, effects={'MonthlyBill', 'DataUsage', 'Age'}} |
| 6 | code={comment=TRUE}; |
| 7 | QUIT; |
Erwartetes Ergebnis
Das System führt die Variablenselektion mittels LASSO durch. Die Ausgabe enthält den 'Selection Summary', der zeigt, welche Variablen ins Modell aufgenommen wurden, sowie den generierten SAS DATA Step Code für das Scoring neuer Daten.