第三讲：消费响应预测模型PPT课件.ppt

第二讲：消费者响应预测模型;数据挖掘工作意图;数据挖掘工作流程;问题背景;分析;　　我们的数据是由更大的客户数据库中用重抽样法抽取的，为了有足够的样本做建模分析，使Dining变量响应值（即为1的值）在样本中的比例近54％，这与现实中客户比例不合。因此，在建模中我们需要调整样本的权重，现实中响应比例是12％。 　　抽样数据观察记录为1996个，作为统计推断和建模分析精度足够，数据没有缺损值，完整性好。没有太多的齐异数据，基本可认为数据可靠。通过数据的探索分析，可以发现有变量同目标变量存在相关性，因此，可以考虑通过建立目标变量与其它变量的回归模型、决策树模型和神精网络模型来预测目标变量。;创建数据挖掘项目;项目管理窗;流程图;　　数据挖掘的第一步就是确定样本数据，数据的角色，变量的模型中角色和数据类型。一般来说，用户数据仓库中的数据可能是海量的，如果全部用来建模分析，则运算十分耗时。只要我们才取好的抽样方式，抽取几百样本就足够保证统计推断精度，因此，第一步要抽取样本。 　　另外，为建模需要，我们要确定数据角色，即训练集用来拟合模型；效验集用来检验模型误差，以便减少过度拟合情况，增加模型的稳建性；测试集用来得到模型参数的一致有效估计无偏估计；得分集作为待预测的数集，应该没有响应变量的值。我们要事先确定数据角色。 　　变量的模型角色分为目标变量、输入变量、时间变量和标识变量，在建模之前必