Geschäftskontext
Ein Einzelhandelsunternehmen möchte die Effektivität seiner nächsten Marketingkampagne optimieren. Das Ziel ist es, ein Bayes'sches Netzwerkmodell zu erstellen, um vorherzusagen, welche Kunden am wahrscheinlichsten auf ein Angebot reagieren werden ('Kauf' = 1). Das Modell wird auf demografischen Daten und der Kaufhistorie basieren und für zukünftige Scoring-Aufgaben gespeichert.
Über das Set : bayesianNetClassifier
Klassifikation mit Bayes-Netzen.
Entdecken Sie alle Aktionen von bayesianNetClassifier Datenaufbereitung
Erstellung einer Kundentabelle mit demografischen Informationen, Kaufhistorie und einer Zielvariable, die die Kaufentscheidung angibt.
Kopiert!
| 1 | DATA work.kunden_marketing; |
| 2 | call streaminit(123); |
| 3 | DO kunde_id = 1 to 5000; |
| 4 | alter = 18 + floor(rand('Uniform') * 50); |
| 5 | einkommen = 30000 + rand('Normal', 60000, 15000); |
| 6 | IF rand('Uniform') < 0.5 THEN geschlecht = 'M'; ELSE geschlecht = 'W'; |
| 7 | region = byte(65 + floor(rand('Uniform')*4)); /* A, B, C, D */ |
| 8 | letzte_kauf_monate = 1 + floor(rand('Uniform') * 24); |
| 9 | kauf_wahrscheinlichkeit = 1 / (1 + exp(-( -2 + (alter/10) - (einkommen/20000) + (letzte_kauf_monate/12) ))); |
| 10 | IF rand('Uniform') < kauf_wahrscheinlichkeit THEN kauf = 1; ELSE kauf = 0; |
| 11 | OUTPUT; |
| 12 | END; |
| 13 | RUN; |
Étapes de réalisation
1
Laden der Kundendaten in eine CAS-Tabelle.
Kopiert!
| 1 | |
| 2 | PROC CASUTIL; |
| 3 | load |
| 4 | DATA=work.kunden_marketing outcaslib='casuser' casout='KUNDEN_MARKETING' replace; |
| 5 | RUN; |
| 6 |
2
Ausführen der bnet-Aktion, um ein TAN-Modell (Tree-Augmented Naive) zu trainieren und den Modellzustand für das Scoring zu speichern.
Kopiert!
| 1 | PROC CAS; |
| 2 | bayesianNetClassifier.bnet / |
| 3 | TABLE={caslib='casuser', name='KUNDEN_MARKETING'}, |
| 4 | target='kauf', |
| 5 | inputs={'alter', 'einkommen', 'geschlecht', 'region', 'letzte_kauf_monate'}, |
| 6 | nominals={'geschlecht', 'region', 'kauf'}, |
| 7 | structures={'TAN'}, |
| 8 | outNetwork={caslib='casuser', name='bnet_marketing_netzwerk', replace=true}, |
| 9 | saveState={caslib='casuser', name='bnet_marketing_modell', replace=true}; |
| 10 | RUN; |
3
Überprüfen der erstellten Netzwerk- und Modelltabellen.
Kopiert!
| 1 | PROC CASUTIL; |
| 2 | contents casdata='bnet_marketing_netzwerk' incaslib='casuser'; |
| 3 | contents casdata='bnet_marketing_modell' incaslib='casuser'; |
| 4 | RUN; |
Erwartetes Ergebnis
Die Aktion wird erfolgreich ausgeführt. Eine Netzwerktabelle ('bnet_marketing_netzwerk') und eine Zustandstabelle ('bnet_marketing_modell') werden in der 'casuser'-Bibliothek erstellt. Die Zustandstabelle enthält das trainierte Modell, das bereit ist, mit einer Scoring-Aktion verwendet zu werden.