Clementine自带实例_多项式Logistic回归_精品.pptVIP

电信客户分类（多项式Logistic回归） 译者注：Logistic regression应该翻译成Logistic回归，而非逻辑回归，因为本身跟逻辑没有什么关系 * 本文档翻译自Clementine的自带应用程序实例，错漏在所难免，有问题请e-mail，欢迎粉我微博 e-mail：973599102@ 微博：/datafish 说明 logistic回归是一种基于输入值的记录分类统计技术。它跟线性回归相似但用分类目标字段替换数字字段。 比如，考虑电信服务提供商基于服务使用模式将他们的客户分群成4类。如果人口统计数据能够用来预测组成员，那么您可以为潜在客户定制特定的产品。 使用的流文件%clementine%\demo\Classification_Module\telco_custcat.str 使用的数据文件%clementine%\demo\telco.sav 实例关注使用人口数据预测使用模式。目标字段custcat有四种可能的值，相当于四种客户群，如下： 因为目标有多种分类，所以我们采用多项式模型。而在有两个不同目标的案例中，例如是 /否，真/假，流失/不流失，则可以使用二项式模型代替。参见本系列文档中的电信流失（二项式回归） 添加一个指向telco.sav的SPSS源文件节点 添加一个类型节点以定义字段，确保它们的类型都设置正确。例如，对于大多数只有0值和1值的字段来说应该被设为标志，但某些特定的字段，如性别，应该被更精确的视为双值集合。 小技巧：要改变多个字段的类型，点击“值”字段排序，按下shift键对您要改变的字段进行多选。可右击选择的字段改变选择字段的类型或者属性。 将字段custcat方向设置为输出，其他的都为输入 因为本例关注人口数据，所以使用一个过滤节点过滤其他字段，只包含相关字段（region, age, marital, address, income, ed, employ, retire, gender, reside, and custcat） 您也可以将字段方向设置为无，以把不需要的字段排除在外 在Logistic节点中，点击模型标签，选择逐步法。选择多项式，主效应以及将常量纳入方程式。把目标的基准类别置为1。模型将比较会把订购了基础服务的客户与其他客户比较。 在专家标签中，选择专家模式，选择输出，在高级输出对话框，选择分类表 执行节点产生模型（在右上角的模型面板），右击选择浏览 模型标签展示了用于将记录分类的等式。有四种分类，其中一种为基准类别，因此不会展示等式细节，而只会展示其他三种 汇总标签展示了模型使用的目标字段和输入字段（预测字段/协变量）。我们看到这些都是被逐步法选入的字段，而不是所有的被提交的字段。 在高级标签展示的项目，依赖于建模节点中高级输出对话框所选 有一项总会出现在案例处理过程摘要，那就是落在某分类的记录条数以及比例。这就给了一个可以作为比较基础的基准模型： 如果模型没有使用协变量预测，您应该将客户分配最可能的组，那就是Plus Service。 基于训练数据，如果您把所有的客户都分配到空模型中的一类，您将有28.1%的时间是正确的。高级标签包含更多能让您检验模型预测能力的信息。您可以通过对比基准模型结果来比较这些模型的优劣。 在高级标签的底部，分类表展示了模型的结果，有39.9%的正确率。 我们看到，对Total Service的分类不错，但对E-Service的分类效果很差。如果想提高对E-Service的分类效果，应该找另外的协变量。 依赖您想预测的东西，模型可以完全的满足您的需求。例如如果您不关心识别种类2的客户，模型可以精确的满足您。在本例当中，E-service是损失最大的一项，带来很少利润。 例如您最高的投资回报来自于第3，4类客户，模型给出您需要的信息 要知道模型对数据拟合的怎么样，在建模节点的专家-输出里面有一些选项可以使用。欲知详情可查看帮助文件里的Logistic Model Nugget Advanced Output。Clementine中建模用到的数学方法可以在Documentation目录的Clementine Algorithm Guide.pdf中查到。 我们注意到这些结果仅仅是基于训练数据的。要知道模型对现实世界中的其他数据拟合得怎么样，您可以使用分区节点，保留一部分数据用来测试和确认。详见帮助中的Partition Node。 * * *