楼主: mkj_2009
7620 9

[问题] SAS EM 决策树 [推广有奖]

  • 4关注
  • 1粉丝

大专生

61%

还不是VIP/贵宾

-

威望
0
论坛币
43 个
通用积分
0
学术水平
0 点
热心指数
0 点
信用等级
0 点
经验
106 点
帖子
45
精华
0
在线时间
38 小时
注册时间
2010-4-21
最后登录
2017-10-6

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
请问下:  我跑出决策树以后,直接导出规则,这个规则是各个叶子节点的规则。 我如何将SAS Em中决策树的各个节点的规则导出?这样我就可以根据我的需要直接将样本分别纳入各个子类。
补充:之所以这样处理是因为决策树是基于训练数据得到的,那个我再用新的数据在之前的规则上跑,就有可能某些观测不在决策树的任何叶子节点上。对于这个问题大家又是怎么看待呢?
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:SAS EM 决策树 训练数据 怎么看待 如何 样本 叶子

沙发
URSIMON 发表于 2014-4-27 22:25:52 |只看作者 |坛友微信交流群
如果observation不在任何节点上,那你如何使用这样的数据做prediction呢,如果这样原有的tree对你现有的数据有什么意义呢?你如何保证包含了新的observation的variable的logworth值是significant的呢?

使用道具

藤椅
mkj_2009 发表于 2014-4-27 22:39:11 |只看作者 |坛友微信交流群
URSIMON 发表于 2014-4-27 22:25
如果observation不在任何节点上,那你如何使用这样的数据做prediction呢,如果这样原有的tree对你现有的数据有 ...
观测不在叶子节点因为它是基于训练数据形成的规则。当然如果使用全样本进行训练,对于每个观测都为决策树的规则产生做出了贡献,肯定是在最后的叶子节点里。但是我们一般会挑出部分作为试验数据,在选择部分作为验证数据,用以考究模型的稳定性,这时候就会有部分的验证数据不在模型的叶子节点上。对于规则形成了,用新的数据进行判别也是可能出现这种情况的,除非试验数据的各个属性包含了所有水平,但是一般很难做到吧。我现在的数据就是做不到,也许数据量太少或是水平数太多的缘故。所以我想请教如何去解决这个事情。

使用道具

板凳
URSIMON 发表于 2014-4-28 00:50:11 |只看作者 |坛友微信交流群
mkj_2009 发表于 2014-4-27 22:39
观测不在叶子节点因为它是基于训练数据形成的规则。当然如果使用全样本进行训练,对于每个观测都为决策树 ...
直接train一下建一个Max的

使用道具

报纸
mkj_2009 发表于 2014-4-29 15:19:27 |只看作者 |坛友微信交流群
URSIMON 发表于 2014-4-28 00:50
直接train一下建一个Max的
嗯,很多人建议我做些水平的聚类,将水平数控制在5个以内。

使用道具

地板
wangguoping2012 发表于 2014-5-23 06:33:54 |只看作者 |坛友微信交流群
需要请联系QQ:1298997509

使用道具

7
二货吉吉 发表于 2016-4-7 10:16:32 |只看作者 |坛友微信交流群
这个EM模块有破解版下载吗?我们学校没有这个模块,或者只用SAS可以编程实现吗?

使用道具

8
二货吉吉 发表于 2016-4-7 10:16:32 |只看作者 |坛友微信交流群
这个EM模块有破解版下载吗?我们学校没有这个模块,或者只用SAS可以编程实现吗?

使用道具

9
二货吉吉 发表于 2016-4-7 10:16:32 |只看作者 |坛友微信交流群
这个EM模块有破解版下载吗?我们学校没有这个模块,或者只用SAS可以编程实现吗?

使用道具

10
shelllong 发表于 2016-11-29 09:45:45 |只看作者 |坛友微信交流群
二货吉吉 发表于 2016-4-7 10:16
这个EM模块有破解版下载吗?我们学校没有这个模块,或者只用SAS可以编程实现吗?
http://blog.sina.com.cn/s/blog_7b162e8301018zha.html

使用道具

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注cda
拉您进交流群

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2024-4-28 16:15