朴素 Bayes 的更多示例

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。

“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”红色小三角并选择保存概率公式。

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。有关公式列的详细信息，请参见已保存的概率公式。