使用CART作為分析分類調(diào)查數(shù)據(jù)的替代方法

嘗試了解客戶/患者行為是一件很有挑戰(zhàn)的事。研究人員往往會(huì)使用調(diào)查數(shù)據(jù)并頻繁使用 Minitab 中的回歸功能對(duì)其進(jìn)行分析。但是，若結(jié)果變量是分類數(shù)據(jù)，而不是定量數(shù)據(jù)，則無(wú)法非常直接或直觀地解釋邏輯回歸的結(jié)果。

有沒(méi)有其他選項(xiàng)可用來(lái)分析 Minitab 中的調(diào)查數(shù)據(jù)?最新版 Minitab 中提供了一種解釋性的、基于樹(shù)的機(jī)器學(xué)習(xí)技術(shù)——CART?(分類和回歸樹(shù))。探究 CART 的豐富功能!

什么是 CART?

CART 是一種決策樹(shù)算法，它會(huì)創(chuàng)建一組“是/否”規(guī)則，然后利用這些規(guī)則并基于預(yù)測(cè)變量或輸入設(shè)置將目標(biāo)或結(jié)果變量拆分到多個(gè)分區(qū)。產(chǎn)生的模型以決策樹(shù)形式呈現(xiàn)，以展示如何基于輸入設(shè)置對(duì)目標(biāo)或結(jié)果變量進(jìn)行分區(qū)。Minitab 的 CART 算法可自動(dòng)查找最優(yōu)數(shù)目的末端節(jié)點(diǎn)(也稱為拆分或最終分組)，目的就是盡可能地提高模型的預(yù)測(cè)能力。

最出色的表現(xiàn)是什么?完成分析后，CART 的輸出包含直觀的可視解釋，因此，您不必是數(shù)據(jù)科學(xué)家，也能從數(shù)據(jù)中收獲極有價(jià)值的見(jiàn)解。

(圖像下層：注意：默認(rèn)情況下，Minitab 會(huì)顯示具體的 CART 樹(shù)。右鍵單擊樹(shù)并選擇結(jié)點(diǎn)拆分視圖，可查看上層簡(jiǎn)要視圖。)

借助 CART 充分發(fā)揮免預(yù)約診所數(shù)據(jù)的作用

了解 CART 是什么之后，接下來(lái)我們看下它的工作原理。

連鎖免預(yù)約診所收集患者的調(diào)查數(shù)據(jù)，詢問(wèn)了他們未來(lái)有多大可能性會(huì)再次光顧診所：極有可能、有可能或不可能。診所員工還會(huì)記錄患者的年齡、從家里到診所的距離(以英里為單位)以及就業(yè)狀態(tài)。診所的地區(qū)經(jīng)理尤其關(guān)注到底是什么因素在影響無(wú)預(yù)約患者再次來(lái)診所接受服務(wù)的意愿。

如圖顯示數(shù)據(jù)子集，還有一個(gè)條形圖展示了診所無(wú)預(yù)約患者給出的響應(yīng)。

我們可以使用 CART 來(lái)預(yù)測(cè)分類結(jié)果的似然性，在這個(gè)案例中，指的就是患者再次光顧診所的可能性。Minitab 的 CART 分類引擎提供的直觀界面可以處理二元結(jié)果(兩組)或多項(xiàng)式結(jié)果(至少三組)。

經(jīng)理將她的數(shù)據(jù)輸入 Minitab 后，選擇統(tǒng)計(jì) > 預(yù)測(cè)分析 > CART? 分類，界面上隨后顯示了以下內(nèi)容：

由于存在至少三組，因此她先選擇多項(xiàng)式響應(yīng)，然后在響應(yīng)中選擇“再次光顧的意向”，這也是她想預(yù)測(cè)的目標(biāo)。接著，依次快速輸入連續(xù)預(yù)測(cè)變量和分類預(yù)測(cè)變量或者要用來(lái)進(jìn)行預(yù)測(cè)的其他輸入，填寫(xiě)好對(duì)話框。

CART 會(huì)自動(dòng)處理缺失值，而且對(duì)極端異常值不敏感，也不會(huì)假定存在要檢查的分布、p 值或殘差。因此，CART 十分簡(jiǎn)單易用，即便是初學(xué)者也能快速上手。此外，Minitab 的 CART 功能會(huì)仔細(xì)、謹(jǐn)慎地將數(shù)據(jù)分區(qū)為兩組：一部分?jǐn)?shù)據(jù)用于構(gòu)建模型(學(xué)習(xí)數(shù)據(jù))，而另一部分?jǐn)?shù)據(jù)則用于評(píng)估模型執(zhí)行新預(yù)測(cè)的能力(測(cè)試數(shù)據(jù))。

針對(duì)每一個(gè)目標(biāo)變量對(duì)，CART 分析的輸出會(huì)顯示大于或等于 0.93 的 (ROC) 曲線下的面積值。ROC 可以幫助經(jīng)理將模型預(yù)測(cè)患者再次光顧診所的意愿的準(zhǔn)確性進(jìn)行可視化。該圖顯示了敏感性(正確預(yù)測(cè)為正類的正類)與特異性(正確預(yù)測(cè)為負(fù)類的負(fù)類)之間的關(guān)系。

這個(gè)模型能夠如此準(zhǔn)確地預(yù)測(cè)患者未來(lái)再次光顧診所的意愿，經(jīng)理感到非常滿意。

經(jīng)理之前認(rèn)為，患者與診所之間的距離是影響此人再次光顧診所的意愿的最佳預(yù)測(cè)變量。但令她吃驚的是，結(jié)果并非如此。在 CART 的相對(duì)變量重要性圖中，清晰顯示了每一個(gè)預(yù)測(cè)變量對(duì)于決定患者是否再次光顧診所的對(duì)應(yīng)重要性。

最終結(jié)果

快速評(píng)估上方變量重要性圖后發(fā)現(xiàn)，患者的年齡才是影響他們是否會(huì)再次光顧診所的意愿的最佳預(yù)測(cè)變量，距離的影響程度緊隨其后，而就業(yè)狀態(tài)的重要性最低。

通過(guò)深入了解患者行為，將有助于地區(qū)經(jīng)理創(chuàng)建再次光顧診所可能性高的客戶的個(gè)人資料，這樣診所中心也就能有針對(duì)性地發(fā)送額外宣傳單和推出激勵(lì)措施，從而確保這些客戶再次光顧。例如，不滿 43 歲而且與診所距離不到 11 英里的患者，無(wú)論就業(yè)狀態(tài)如何，都極有可能再次光顧。年齡介于 71 到 82 歲之間的患者，無(wú)論距離或就業(yè)狀態(tài)如何，都有可能再次光顧。相比之下，年齡介于 67 到 71 歲之間的那些患者，若與診所的距離超過(guò) 11 英里，無(wú)論其他因素如何，他們都不大可能再次光顧。

審核編輯：湯梓紅