该帮助的版本不再更新，请参见https://www.jmp.com/support/help/zh-cn/15.2 获取最新的版本.


预测和专业建模 • 朴素 Bayes • 朴素 Bayes 的其他示例
上一个
 • 
下一个
朴素 Bayes 的其他示例
您有关于已申请房屋净值贷款的 5,960 个客户的历史财务数据。每个客户都被归入“良性风险”或“不良风险”两类。多数预测变量都有缺失数据。您想要构造模型，用于对将来客户的信用风险分类。
1.
选择帮助 > 样本数据库，然后打开 Equity.jmp。
2.
选择分析 > 预测建模 > 朴素 Bayes。
3.
选择不良并点击 Y，响应。
潜在预测变量之一负债收入比具有很多可能是信息性的缺失值。但是，朴素 Bayes 不能很好处理大量缺失值，因此您不能在模型中包括负债收入比。
4.
从贷款一直选到交易记录数，然后点击 X，因子。
5.
选择验证并点击验证。
6.
点击确定。
图 9.8 “不良”的朴素 Bayes 报表
训练集、验证集和测试集显示误分类率介于 18% 到 19% 之间。所有这些集的混淆矩阵指示最大的误分类来源是将“不良风险”客户归入“良性风险”客户。
您关注具有特定财务背景值的客户被归入“高风险”一类的概率。
7.
点击“朴素 Bayes”旁边的红色小三角菜单，然后选择保存概率公式。
将对应三个集的列添加到数据表。
‒
三个“朴素得分”列包含“良性风险”、“不良风险”以及这两者之和的朴素得分公式。
‒
两个“朴素概率”列包含“良性风险”和“不良风险”的概率公式。
‒
朴素预测公式“不良”列包含将观测分配给它具有最高朴素概率的类的公式。
使用这些公式获得新客户的得分。有关这些公式列的详细信息，请参见已保存的概率公式。