Fallstudie 3

Datenaufbereitung

Duration entfernen, weil wir ein "realistic predictiv model" wollen (steht in Anweisungen)

Mit Statistics node nach Ausreißern gesucht:

• 1. default = yes -> weit unter 1% des Datensatzes (Krasser Ausreißer)

• 2. education = illiterate ->zu geringe Fallzahl für eine statistische Relevanz

• marital = unknown -> bildet kein zielgerichtetes Kundensegment und ist statistisch unter 5% (ca. 0.2%)

Output Variable "y" von Missing Values bereinigt (gab keine)

"Pdays" in "zuvor kontaktiert" geändert und als "yes/no" angegeben statt als Tage und "999" für nicht kontaktiert

Resettet die Meta Daten nach dem Ändern des Datensatzes

Loop fü parameter optimisierung und perfekte Bau tiefe

Predicition model

Fügt die Vorhersagen der äußeren crossvalidation zu einer gesamtprognose zusammen

Visualisierung

Ausbalancieren der Trainingsdaten weil starkes ungleichgewicht zwischen Y= Yes/No. ein anruf kostet evtl. 5 Euro kosten bringt aber evtl hunderte Euro ein.

eig. nicht benötigt, aber für wirtschaftliche sicht schlau

Auswertung welche kategorie am wichtigsten ist ( Random Forest learner -> atribute statistics -> split 0)

Decision Tree mit gelicher Ausgangslage

Vergleich der beiden Modelle

Deskriptive Datenanalyse