基于SAS的決策樹方法應用綜述

【摘要】決策樹作為數據挖掘技術中一種重要的分類研究方法，其出色的數據分析效率、直觀易懂的結果展示，倍受廣大用戶的青睞。在此過程中，往往需要借助一些數據挖掘工具如：SAS的Enterprise Miner。本文對基于SAS的決策樹方法的行業應用進行綜述。

【關鍵詞】SAS 數據挖掘 決策樹

一、前言

隨著科學技術飛速的發展，在各個領域產生了大量的數據，如人類對太空的探索，銀行每天的巨額交易數據。怎么樣從這大量數據中挖掘有價值的信息，成為了巨大的挑戰，數據挖掘就是在這種情況下應運而生的。

在數據挖掘的過程中，往往需要借助一些數理統計分析工具。SAS工具具有完備的數據訪問、管理、分析、呈現及應用開發功能，并能運用統計分析、時間序列、運籌決策等科學方法進行質量控制、財務管理、生產優化、風險管理、市場調查和預測。

二、相關知識

（一）SAS/EM數據挖掘方法論

SAS/EM是SAS軟件包中的一個組件，是一個圖形化界面、菜單驅動的、拖拉式操作、對用戶非常友好且功能強大的數據挖掘集成環境。SAS的數據挖掘方法論是SEMMA，其包括5個步驟：Sample（數據抽樣）、Explore（數據探索）、Modify（數據修改）、Model（建立模型）、Assess（模型評估）。

（二）決策樹原理及相關算法

決策樹（Decision Tree）是一種主要解決實際應用中分類問題的數據挖掘方法。其基本思路是找出最有分辨能力的屬性，把數據劃分為許多子集（對應樹的一個分枝），構成一個分枝過程，然后對每一子集遞歸調用分枝過程，直到所有子集包含同一類型的數據。

目前比較流行的決策樹算法主要有C4.5、CART、CHAID，其中較常用的C4.5算法是通過SAS/EM工具，根據數據的特點建立相應的函數來盡可能地正確分類所有的觀察。

從表2.1我們可以看出：所列出的軟件盡管都具有決策樹功能，但各個軟件所采用的算法又各有所側重，以便其在同類軟件的比較和競爭中具有一定的優勢。通過上面的比較來看Enterprise Miner、Mine Set擁有較為全面的決策樹算法。

三、國內外文獻綜述

（一）醫療衛生領域

數據挖掘是近年來剛剛興起的一門新技術，國外已有不少成功應用的案例，但其在醫療衛生領域的應用尚處于起步階段。

侯曉智（2004）[1]運用數據挖掘工具SAS Enterprise Miner，利用決策樹技術建立模型，研究了數據挖掘在肝膽惡性腫瘤單病種醫療費用方面的應用。朱寶（2012）[2]利用SAS9.1進行決策樹分析，構建病例組合模型，找到控制重點，為今后制定醫療費用控制政策提供依據。陳龍（2014）[3]利用SAS軟件的決策樹模型，對高血壓患者住院費用進行DRGs分組的方法學探索，得出在當地進行DRGs的相關研究總體上可行的結論。

（二）客戶流失問題

客戶流失，指某企業現有的客戶中止繼續購買其商品或服務，轉而購買其競爭對手的商品或服務。據統計電信運營商每年高達35%～50%的客戶流失，造成約數百億美元的經濟損失；而獲取1位新客戶的成本是保留1位老客戶的5～6倍。因此，國內外學者對客戶流失問題展開了大量研究。

Chiu-Ping Wei（2002）[4]開發了以決策樹方法為基礎、可以在合同水平上識別潛在流失者的分類組合預測技術；熊國民（2014）[5]以分析決策樹等理論和分類為原則，運用SAS9.2進行Logistic 逐步回歸運算，得出流失概率值，從中選取部分客戶為預測流失概率值較大的作為最終流失客戶。毛躍霖（2015）[6]通過研究客戶流失預測算法在其他行業中的應用情況，創新的設計了決策樹與LOGISTIC回歸模型相結合的方法對汽車服務企業進行建模，在SAS挖掘平臺下建立了流失預測模型。

（三）銀行客戶信用評分問題

信用評分法將借款人的特征進行量化，形成一套指標體系，克服了主觀隨意性的風險。現代信用評分廣泛運用統計學、運籌學、決策樹、神經網絡等技術，不斷提高信用評分的精度。

在國外學者的研究中，Makowski（1985）第一次將決策樹算法應用于個人信用評分。近來，Lee等（2006）運用決策樹技術研究最小化信用風險問題。

國內對信用評分的研究也經歷了從定性到定性和定量相結合的過程。姜明輝（2003）[7]較早引入決策樹技術應用于個人信用評估。趙靜嫻等（2009）[8]把神經網絡技術和決策樹方法相結合，提高了信用評估的效率和客觀性。

隨著農村金融的重要性日益突出，在信用風險評估的研究中，以農戶小額信用貸款為研究對象的居多。蔡麗艷等（2011）[9]把決策樹算法引入到農戶小額貸款信用風險評估中，構建評估模型并對信用評估模型進行實證。沈術（2013）[10]運用決策樹算法，利用SAS Enterprise Miner，采用“SEMMA”方法，將傳統信用評級的定量指標由占比不到70%提高到94%，大大提升了農戶信用評級的精確度。

四、總結與思考

基于SAS的決策樹分析方法的實際應用于醫療衛生領域，以及解決關于客戶流失、產品的精確營銷、銀行客戶信用評分等問題有很光明的前途。但綜其全文，不難發現還有以下地方需要進一步的完善：

（1）決策樹算法有待進一步改進。比如充分利用領域知識去除無關數據，或者利用領域知識進一步精煉所發現的模式，從而設計出更理想的知識算法，提高數據挖掘的效率。

（2）分類模型有待進一步研究。在應用領域的數據庫中，數據大多數是隨時間變化的。一般所建的模型僅僅依據當前數據進行預測，并不能從時間維度上預測一些重要的變化趨勢，這一步需要運用時間序列挖掘算法，因此值得我們進一步的研究。

（3）挖掘結果的提取。在對模型結果提取規則的時候，因對業務知識不熟悉，對挖掘結果的提取不能很好的完成。如果能提高系統對知識自動評估的能力，盡可能采用圖形表示、有向非循環圖結構的規則、自然語言生成以及數據和知識的可視化技術，提高挖掘的可理解性，自然對結果的提取也就相應提高了。

參考文獻

[1]侯曉智.基于數據挖掘技術的上海市肝膽腫瘤病例住院費用研究[D].第二軍醫大學，2004，7.

[2]朱寶.天津市糖尿病患者住院費用及病例組合研究[D].天津醫科大學，2012.

[3]陳龍.石河子地區高血壓患者DRGs分組研究[D].石河子大學，2014.

[4]Wei C P，Chiu IT.Turning telecommunications call details to churn prediction：a data mining approach[J].Expert Systems with Applications，2002，23：103-112.

[5]熊國民.基于SVM的商業銀行客戶流失預測[D].鄭州大學，2014，4.

[6]毛躍霖.汽車服務企業客戶流失預測模型的分析與應用[D].東華大學，2015.

[7]姜明輝，姜磊，王雅林.線性判別式分析在個人信用評估中的應用[J].管理觀察，2003，（1）：200-203.

[8]趙靜嫻，杜子平.基于神經網絡和決策樹相結合的信用風險評估模型研究[J].北京理工大學學報，2009，（1）：76-79.

[9]蔡麗艷，馮憲彬，丁蕊.基于決策樹的農戶小額貸款信用評估模型研究[J].安徽農業科學，2011，（02）：1215-1217.

[10]沈術.決策樹算法在農村信用社農戶信用評級中的應用[D].湖南大學，2013，10.

作者簡介：王拓榮（1991-），女，漢族，河南新鄉人，就讀于首都經濟貿易大學，研究方向：業務流程管理、數據挖掘。endprint