Contexto empresarial
Un sitio de comercio electrónico analiza el número de artículos comprados por sesión. La mayoría de las sesiones terminan sin compra (0 artículos), lo que requiere un modelo Inflado de Ceros (Zero-Inflated). Además, se dispone de muchas métricas de navegación y se necesita identificar cuáles son relevantes.
Preparación de datos
Creación de un gran conjunto de datos (50,000 sesiones) con muchas variables de ruido para probar la selección y el exceso de ceros.
¡Copiado!
| 1 | |
| 2 | DATA casuser.trafico_web; |
| 3 | call streaminit(999); |
| 4 | DO session_id=1 to 50000; |
| 5 | tiempo_sitio = rand('Exponential', 5); |
| 6 | paginas_vistas = floor(rand('LogNormal', 2, 0.5)); |
| 7 | dispositivo_movil = rand('Bernoulli', 0.6); |
| 8 | publicidad = rand('Bernoulli', 0.2); |
| 9 | var_ruido1 = rand('Uniform'); |
| 10 | var_ruido2 = rand('Normal'); |
| 11 | /* Modelo de ceros: Si es poco tiempo, probabilidad alta de ser cero absoluto */ prob_cero = 1 / (1 + exp(-2 + 0.5*tiempo_sitio)); |
| 12 | IF rand('Uniform') < prob_cero THEN compras = 0; |
| 13 | ELSE compras = rand('Poisson', 0.5 + 0.1*paginas_vistas + 0.3*publicidad); |
| 14 | OUTPUT; |
| 15 | END; |
| 16 | |
| 17 | RUN; |
| 18 |
Étapes de réalisation
1
Ejecución de un modelo ZIP (Zero-Inflated Poisson) con selección de variables 'STEPWISE'.
¡Copiado!
| 1 | PROC CAS; |
| 2 | countreg.countregFitModel / |
| 3 | TABLE={name='trafico_web', caslib='casuser'}, |
| 4 | model={depVars={{name='compras'}}, |
| 5 | effects={{vars={'tiempo_sitio', 'paginas_vistas', 'dispositivo_movil', 'publicidad', 'var_ruido1', 'var_ruido2'}}}, |
| 6 | modeloptions={modeltype='ZIP'}}, |
| 7 | zeromodel={effects={{vars={'tiempo_sitio', 'dispositivo_movil'}}}}, |
| 8 | selection={method='STEPWISE', details=true}; |
| 9 | RUN; |
Resultado esperado
El modelo debe identificar correctamente que 'var_ruido1' y 'var_ruido2' no son significativas y eliminarlas. Debe ajustar dos conjuntos de parámetros: uno para el conteo (Poisson) y otro para la probabilidad de cero (Logit).