ターゲットイベントが頻繁に発生しない場合に予測モデルを構築、検証、およびテストするためのデータのサンプリング応答または応答しないなど、2値の結果変数を予測するためにモデルを構築する場合、目的のカテゴリ（応答）に占める割合が低い可能性があります。たとえば、ダイレクトメールキャンペーンでは、回答率は通常1％以下です。そのような場合、予測モデルは、頻繁な結果を非常によく予測し、非頻繁な結果を不十分に予測する方法を学習する可能性があります。
頻度の低いイベントに高い重みを割り当てるなど、頻度の低いクラスをより適切に予測するには、さまざまな方法があります。モデル構築、選択および試験サンプルにおいて、無作為に発生するよりも高い比率の標的事象を含むように層別サンプリングまたは、異なる正確な予測と誤った予測に関連するさまざまな利益/費用を割り当てる。
層化抽出法
もっと簡単な方法の1つは層化抽出法ほぼ同数の応答者と非応答者からなるサンプルを作成します。これは、キャンペーンに積極的に対応している顧客を予測する方法をモデルに学習させるためのより良い機会をモデルに提供する簡単なアプローチです。ただし、モデル構築データベース内の回答者と未回答者の比率は一般的な状況を反映していないため、結果として得られるモデルから任意の顧客に回答する傾向が予測される可能性は非常に楽観的です。これらの予測を調整するにはさまざまな方法がありますが、あなたが心配しているのが予測モデルを使用して顧客をスコア付けおよびランク付けすることだけであれば、調整は必要ないかもしれません。
キャンペーンに回答した顧客の過去の割合が5.6％である慈善寄付を求めるダイレクトメールキャンペーンを考えてみましょう。以下の図1は、10,000人の顧客のランダムサンプルに基づく予測モデルを示しています。図2は、1,000人の顧客の層別サンプルからの予測モデルを示しています。私が使った JMP Pro 両方のモデルを構築する。
図1 - 10,000人の顧客のランダムサンプルからのブートストラップ（ランダム）フォレストモデル
図2：1,000人の顧客の層別サンプルからのブートストラップ（ランダム）フォレストモデル
予想通り、無作為標本はモデル構築、選択およびテスト段階でおよそ5.6％の応答率を維持し、それを予測できないという犠牲を払ってテストデータサブセットで5.85％の非常に低い全体誤分類率を達成します。積極的に対応するお客様。
一方、図2で使用されている1,000人の顧客の層別サンプルは、同数の提供者と非提供者から構成されています。このサンプリング戦略では、テストサブセットの全体的な誤分類率が34％高く、69％の提供者を正しく予測することができます。私たちの目標は配給者を予測することなので、層別サンプルアプローチにより、図1に示すランダムサンプルとは異なり、将来のマーケティングキャンペーンの生産性が向上します。
マルコムは書きました：もしそれがあなた自身を安心させるケースであるならば...マルコム書きました：
希望する回答率が低いときに予測モデルを構築するときに使用するデータを選択するために層化サンプリングが有効な方法であることを自分や同僚に安心させる場合は、つぎのようにデータをモデル化してみてください。そして層別サンプリングなし。低頻度（またはまれ）のイベントの重要な予測因子を特定する場合、またはマーケティングキャンペーンの場合は、どの顧客またはターゲット顧客が反応する可能性が高いかを分類する場合、階層化サンプリングがより効果的です。ただし、層別サンプリングに基づくモデルから予測される確率を使用しないでください。応答者の予測子の発見や予測を容易にするために、応答者と非応答者の比率を慎重に偏らせています。一般的な人口を反映するように予測確率を簡単に修正することができます。
Phillip Julianは書きました：あなたはテクニックを送ったり投稿してもいいですか...フィリップ・ジュリアン書きました：
同数の階層化サンプリングに関するこのブログ記事の技術的または学術的な資料を送付または投稿してください。その方法をキャンペーンのレスポンス分析に使用しますので、その方法を正当化する必要があります。記事と提案をありがとう。私はRetail Campsign Analyticsで働いています、そしてこれはチームにとって大きな助けになるでしょう。
Daniloは次のように書いています。ダニロ書きました：
面白い、
私がそれを正しく理解したならば、たとえサンプリングされたデータが本物であっても、結果の正確さのためにより良いという記事は本物のサンプリングプロセスによって与えられた情報全体を使わない。
統計の基本原則と少しでも物議を醸していると思います........
混同マトリックスを構築するために使用されるカットオフポイントは何ですか？それが可能であれば、私は両方のモデルのROC曲線を見たいと思います。
マルコムは書きました：GA、stを選択する多くの方法があります...マルコム書きました：
GA、
層別サンプルを選択する方法はたくさんあります。より簡単なオプションの1つは、TablesメニューのSubsetオプションを使用することです。表示されたダイアログで、Random - sample sizeを選び、層別化オプションをチェックします。次に、表示されたリストで層別サンプルを定義する変数を選択し、階層ごとのサンプルサイズを定義します。OKをクリックしてください。
マルコム
GAは書いた：親愛なるMalcolm：Sを構築するための最良の方法は何ですか... GA 書きました：
Malcolm様：JMP Proを使用して層別サンプルを作成するための最良の方法は何ですか？
どうもありがとう、
GA
