Modeler 支持向量机模型评估银行客户信用
本文要介绍的预测分析模型是“支持向量机模型”，我们将为大家简要介绍支持向量机模型的理论，然后结合IBM SPSS Modeler 产品详细讲述如何利用支持向量机模型来解决客户的具体商业问题—银行如何评估客户信用
银行典型案例
商业银行个人信用评估就是根据个人信息和借贷记录等历史数据，判断个人信用，它是保证信贷安全的重要一环。
但是商业银行用于信用评估的数据往往具有特性不稳定，历史样本容量较小，指标较多，呈明显的非正态分布。
这些特点导致很难利用一般的统计技术进行有效的评估。
支持向量机模型( 简称SVM) 能够很好的处理此类数据，进行有效的信用评估。
本文介绍了SVM 的基本概念以及Modeler 中使用SVM 进行信用评估的基本步骤和方法，并对结果进行分析和应用
支持向量机模型简介
支持向量机(Support Vector Machine, 简称SVM) 是一项功能强大的分类和回归技术，可最大化模型的预测准确度。
与其他常用模型不同，SVM 一个优势就是能很好的处理小样本，高维数，非正态的数据。
SVM 的工作原理是将原始数据通过变换映射到高维特征空间，这样即使数据不是线性可分，也可以对该数据点进行分类。
之后，使用变换后的新数据的进行预测分类。
例如，图 1 中的数据点落到了两个不同的类别中，可以用一条曲线分隔这两个类别。
对数据使用某种数学函数变换后，可以用超平面定义这两个类别之间的边界。
图 1. 数据变换后线性可分示意图
用于变换的数学函数称为核函数。
IBM SPSS Modeler 中的SVM 支持下列核函数类型：
∙线性
∙多项式
∙径向基函数(RBF)
∙Sigmoid
如果数据的线性分隔比较简单，则建议使用线性核函数。
在其他情况下，应当使用其他核函数。
在所有情况下，最好尝试使用不同的核函数，才能从中找出最佳模型，因为每一个函数均使用不同的算法和参数。
回页首
使用IBM SPSS Modeler 支持向量机模型评估客户信用
IBM SPSS Modeler 中的SVM 提供了可视化的操作方法，具有界面友好，操作方便的特点。
此节，介绍如何使用IBM SPSS Modeler SVM 评估客户信用。
操作步骤分为：
∙创建基本流（Modeler Stream），建立模型；
∙测试模型，分析结果；
∙用不同的核函数建模，比较并选择合适的模型；
∙运用选定的模型来评估客户信用。
我们使用UCI Machine Learning Repository 上公开的商业银行客户信用记录作为数据集进行演示。
该数据集由1000 条个人信用记录组成，每条记录均包含一组个人信息值，其中包括对客户信用的评估结果。
1000 条记录保存在CreditData.csv 文件中，从1000 条记录中抽出一部分用于演示用选定的模型评估客户信用，将这部分数据保存到CreditData4Estimate.csv 文件中。
创建基本流（Modeler Stream），建立模型
图 2. 基本流建模图
基本流如图 2 所示，创建步骤如下
1) 添加源数据—选择合适的数据
创建新流，命名为SVM.str。
从“源”选项卡中添加一个“可变文件”节点到SVM.str，从“输出”选项卡中添加一个“表”节点到流，并将“表”节点连接到“可变文件”节点。
打开“可变文件”节点，导入客户信用数据CreditData.csv。
运行“表”节点，显示源文件中数据，如图3 所示。
数据有22 个字段，1000 条记录。
ID 字段为客户标志符。
每个客户的信息包含在从StatusChkAccount
到Foreigner的字段中。
Class字段表示信用评级，取值为良( 值=1) 或者差( 值=2)。
图 3. 源数据图
2) 设置类型—选择用作预测的变量和目标变量
从“字段选项”选项卡中添加一个“类型”节点到SVM.str, 并将它连接到“可变文件”节点之后，打开“类型”节点，并单击[ 读取值] 按钮。
获得数据集描述，如图4 所示。
图 4. 源数据类型描述图
本模型，希望预测Class的值( 此字段只有 2 个值，即良(=1) 还是差(=2))。
在“类型”设置界面中，单击Class字段的“测量”列，将其改为“标志”，将Class的角色设置为“目标”;ID字段作为个人标识符，不会对建模和预测产生影响，不会用作预测变量或模型的目标，将其角色设置为“无”; 其他字段作为特征字段用作预测变量，因此将其角色设置为“输入”。
3) 添加分区—选择建模的数据和测试模型的数据
为了建立模型( 即训练模型)，同时测试模型，需要把数据集CreditData.csv 分为两部分，一部分用于建立模型，另一部分用于测试新建模型。
分区节点通过在源数据表中添加一个字段，根据字段的不同取值，将数据分区。
“分区”节点最多可以将数据分为三部分，分别用于训练、测试和验证。
从“字段选项”选项卡中添加“分区”节点到流，将其连接到“类型”节点，打开“分区”节点，使用默认设置。
默认分为“训练”和“测试”两个分区，大小分别50%。
选择“设置随机种子数”表示分区是随机分区的。
图 5. 分区节点图
添加“表”节点并连接到“分区”节点之后。
运行“表”节点，如图 6 所示，“分区”字段被加入到表中。
图 6. 添加分区字段的数据图
4) 添加“建模”节点—建模
从“建模”选项卡中添加“SVM”节点，并连接到“分区”节点之后。
双击“SVM”节点，设置属性。
“字段”选项卡默认选中“使用类型节点设置”。
在“模型”选项卡中，如图7 左所示，选中“自定义”选项，在相邻的文本字段中键入class-rbf 作为“模型名称”；默认选中“使用分区数据”和“为每个分割构建模型”，流中没有添加“分割”节点，这个选项没有实际作用，关于其功能这里不介绍，有兴趣的读者可以参考帮助文档。
在专家选项卡中，如图7 右所示，将“模式”设为“专家”以获得可靠性，“内核类型”（即核函数）默认设为RBF，其他选项使用默认值，这些选项是建模参数，这里不介绍，有兴趣的读者可以参考帮助文档。
在“简单”模式下所有选项均为不可设置。
图7. 模型设置图
在“分析”选项卡上，选中“计算变量重要性”复选框，其他两个选项“计算原始的趋向得分”和“计算调整倾向得分”默认不选中，关于这两个选项功能，这里不介绍，有兴趣的读者可以参考帮助文档。
“注解”选项卡不作额外设置。
单击运行。
运行成功表示建模完成，创建模型块被添加到流中。
至此，流基本建立完毕，如上面图 2 所示。
测试模型，分析结果
双击建模生成的模型块class-rbf。
如图8 所示，在“模型”选项卡上，预测变量重要性图显示了不同变量对预测的影响程度，从上到下预测变量的重要程度依次降低，其中StatusChkAccount和SavingAccounts的对预测的影响度最
大。
“设置”选项卡指定在查看结果时显示的附加字段。
“汇总”选项卡显示了分析( 包含记录数，分析准确性)、字段、构建设置、训练汇总等信息。
这两个选项卡的详细功能，本文不介绍，请参考帮助文档。
图8. 模型图
模型块class-rbf 之后添加“表”节点，运行表节点，使用创建的class-rbf 模型对源数据中数据进行测试，获得图9 所示结果。
图9. 训练评估结果图
图9 的结果中，class-rbf 模型创建了两个新字段。
向右滚动表输出可看到这两个字段：
表 1.带表头、所有列左对齐的样式
新字
段名
描述
$S-Class
由模型预测的Class 值。
$SP-Class
此预测值的倾向得分（即此预测值正确的可能性，其值介于0.0 到 1.0 之间）。
表示预测值的准确程度，值越高，越说明预测值准确性越高
查看上表，看到大多数记录的倾向得分（$SP-Class 列）都相当高，即预测的准确度相当高。
但是也存在一些明显的例外情况, 例如图9 位于第98 和99 行的记录，其倾向得分为0.539 和0.535。
比较这两行的Class 和$S-Class，可以看到此模型对这两行记录做出了不正确的预测。
因此，在实际使用模型预测时，选择相信倾向得分大于预设值的预测结果。
为了统计表中的预测信息，添加“分析”节点并连接到class-rbf 模型块，运行“分析”节点，获得预测汇总结果, 如图10 左所示。
根据汇总结果，class-rbf 模型对于“1_ 训练”分区，预测正确率是99.59%；对于“2_ 测试”分区，预测正确率是71.93%。
如果选择相信倾向得分大于0.95 的预测结果，那么预测正确率更高。
添加“选择”节点，将其连接至class-rbf 模型块之后，再将“分析”节点连接至“选
择”节点之后( 在警告对话框上选择替换)，在“选择”节点中设置只包含$SP-Class>=0.95 的记录。
再运行“分析”节点，得到图10 右所示结果。
可以看到class-rbf 模型对于“2_ 测试”部分的预测正确率达到81.39%
图10. 模型测试结果图
使用不同的核函数，选择最合适模型
为了比较不同的核函数创建的模型，添加第二个“SVM”建模节点并连接到“分区”节点之后，打开新“SVM”节点，在“模型”选项卡上选择“自定义”并将class-poly 作为模型名称；在“专家”选项卡上，将模式设置为专家；将内核类型设置为多项式并单击运行，class-poly 模型块被成功创建。
将class-poly 模型块连接到class-rbf 模型块之后（在警告对话框上选择替换），将class-poly 模型连接到“分析”节点( 在警告对话框上选择替换), 在class-poly 模型块之后添“表”节点。
最终建立的流如图11 所示。
我们还可以看到class-rbf 模型块和class-poly 模型块被添加到屏幕右上角的“模型”选项板。
图11. 多核函数建模图
运行连接到class-poly 模型的表节点，如图12 所示, 为class-poly 模型生成的预测值和倾向得分字段分别命名为$S1-Class 和$SP1-Class。
可以对比对每条记录两个模型预测结果。
图12. 两模型评估结果图
为了比较两个模型各自的预测准确度，运行分析节点，获得图13 所示结果。
图13. 两模型评估分析图
上图中，“单独模型”下面的“比较$S-Class 与Class”表示模型Class-rbf 的预测结果，它与上面图10 左的结果是一致的。
“比较$S1-Class 与Class”表示Class-poly 模型预测结果，该模型对于487 条“1_ 训练”记录，全部预测正确；对于513 条“2_ 测试”记录，有360 条记录预测正确，正确率为70.18%.
“$S-Class$S1-Class 之间的一致性”表示对所有的记录，两个模型预测结果相同的记录的统计信息。
对于“1_ 训练”分区，两模型对于485 ( 占训练记录总数99.59%) 条记录的预测结果是相同的，对于“2_ 测试”分区，对484 ( 占测试记录总数94.35%) 条记录预测结果是相同的。
“比较一致性与class”表示两个模型预测结果相同的记录中，分别被正确预测和错误预测的记录数。
从图13 中可见，对“1_ 训练”分区，两模型预测结果相同的485 条记录中，485 条记录被正确预测，0 条被错误预测；对“2_ 测试”分区，两模型预测结果相同的484 条记录中，有350 条记录被正确预测，134 条被错误预测，预测正确率为72.31%。
可以看到，对于“1_ 训练”分区的预测正确率，两个模型都很高；对于“2_ 测试”分区的预测正确率，Class-rbf 的结果稍高。
总体而言，两个模型差不多，Class-rbf 的预测能力稍好。
通过比较，找到最合适核函数创建模型，将创建的模型用于信用评估。
利用模型评估客户信用
确定最合适核函数，创建相应模型，应用此模型评估客户信用。
为了评估客户信用，首先添加一个“可变文件”节点，编辑该节点，打开需要评估的客户信息数据集( 该数据集的class 字段为空)。
添加“表”节点连接到该数据集，运行“表”节点，预览待评估的数据集。
从modeler 界面右上角的“模型”选项板中拖入选定的模型块到流，将该“可变文件”节点连接至该模型块之后，在模型块之后添加“表”节点，运行该“表”节点，获得评估结果。
图14. 应用模型评估客户信用图
如图14 中，左侧是用于评估的流，可见，用于评估的数据集连接到选定的模型class-rbf。
右侧是运行表节点的结果，因为这个数据集是用来评估的，class 字段是空，$S-class 字段是评估的结果，$P-class 是评估的可信程度。
我们可以信任$P-class 值是0.95 及其以上的判断结果，对于小于0.95 的值的判断结果，作为一定参考，再结合别的方法判断。
回页首
小结
本文通过一个实际的商业问题—银行评估客户，引入了IBM SPSS Modeler 支持向量机（SVM）模型。
首先给出了SVM 的相关概念，接着带领读者一步步创建模型，分析模型，选择模型，应用模型来解决该实际问题。
可以将本模型应用到其他的场景中，如基因分析、文本处理等领域，应用SVM 可以取得理想的结果。
