Enterprise Miner 활용 하기 (02) : 의사결정나무 노드2
안녕하세요 MYSAS 홍보대사 최준입니다.
저번 연재에 이어서 이번 시간에는 본격적으로 의사결정나무 노드를 사용하고
이를 해석하는 방법에 대해서 살펴 보겠습니다.
먼저 데이터 분할 노드를 통계량 탐색 노드 뒤에 연결 한 후에
분석용과 평가용의 비율을 7:3 으로 설정하고 실행 버튼을 클릭합니다.
데이터 분할 노드 뒤에 의사결정트리 노드를 연결한 후에 실행 버튼을 클릭합니다.
의사결정트리 노드의 결과 윈도우에서 '스코어 순위 중첩' 윈도우의 통계량 목록 중에
'누적 반응률' 을 선택하면 다음과 같은 그림이 나타납니다.
누적 반응률 그림을 살펴보면 의사결정 나무에 의한 상위 20%에는
약 63%의 채무불이행자가 포함되어 있음을 확인할 수 있습니다.
의사결정노드 결과 윈도우에서 '보기 -> 모델 -> 서브트리 평가 도표' 메뉴를 선택하면 다음과 같은 그림이 나타납니다.
분석용 데이터에 의해 10개의 끝마디를 가지는 의사결정나무가 형성된 후
평가용 데이터에 의한 오분류율 기준으로 가지치기가 수행되어
최종적으로는 6개의 끝마디를 가지는 나무가 구성됨을 확인할 수 있습니다.
의사결정나무 결과 윈도우에서 트리 윈도우를 확대하면 다음과 같은 그림이 나타남을 확인할 수 있습니다.
가장 중요한 변수는 checking_balnce 임을 확인할 수 있습니다.
이번에는 다지분리(Multiway) 하는 방법에 대해서 알아보겠습니다.
다지분리란 하나의 부모마디에서 두개 이상의 자식마디가 형성될 수 있도록 하는 것을 의미합니다.
이론적으로, 다지분리가 반드시 성능이 좋다라고 할 수는 없지만 해석은 편리할 수 있습니다.
위의 그림과 같이 새로운 의사결정트리 노드를 다이어그램에 추가 한 후에
속성패널의 분리 규칙에서 최대 가지 옵션을 4로 수정하고
(부모마디에서 최대 4개까지 자식마디가 형성될 수 있도록 설정하는 것을 의미)
최대 깊이 옵션을 10으로 수정하면 됩니다.
(의사결정 나무의 최대 깊이가 10이 되도록 설정하는 것을 의미)
마지막으로 다지분리 노드와 의사결정트리 노드를 모델비교 노드와 연결 한 후에 실행 버튼을 누르면
위 그림과 같은 결과가 나타남을 확인할 수 있습니다.
지금까지 의사결정나무 노드에 대해서 살펴보았습니다.
연재를 하기에 앞서 공부한 참고 도서는 다음과 같습니다
: ("빅데이터 분석을 위한 데이터 마이닝 방법론 SAS Enterprise Miner 활용사례를 중심으로", 자유아카데미)
기타 궁금하신 점이 있으시다면
언제든지 저에게 쪽지 or 댓글로 문의해주시면 친절하게 답변해드리겠습니다.
감사합니다.
