|
<< Click to Display Table of Contents >> 逻辑回归 |
  
|
|
<< Click to Display Table of Contents >> 逻辑回归 |
|
❖电信类客户流失
通信类服务商可以通过逻辑回归模型，尽早地发现可能流失的客户，并针对这些客户的行为进行干预，通过定制更多的服务来挽留客户。
•数据准备
拖拽数据集节点“客户流失训练数据”到编辑区，添加采样和数据分区节点，采样节点连接数据集，数据分区连接采样。
采样和数据分区节点配置项目如下：
•逻辑回归
o配置项目
添加逻辑回归节点，连接数据分区；配置参数，算法为GLM，启用回归方法，选择逐步，缺失值默认填充，因变量为CustomerLeft，其它列做为自变量。
o运行
配置完参数后，逻辑回归节点处于未运行状态。
在逻辑回归节点右键选择运行，运行成功后，节点展示如下：
o结果展示
通过模型系数可以得到逻辑回归方程的系数，包括截距项，各自变量的系数以及它们的P值，标准误差。还可以看到模型训练集合验证集的准确率和均方误差。P值都较小，P值越小结果越好。
通过ROC曲线看出训练集AUC值0.843；验证集AUC值0.704。AUC值越大模型分类效果越好。
•模型应用
o保存为训练模型
选择逻辑回归节点连接保存为训练模型，保存的模型可以应用在制作报告仪表盘的组件绑定的数据集上。可参考算法里的“逻辑回归”章节。
o评分
添加数据集节点“客户流失测试数据”和评分节点，评分节点连接逻辑回归和客户流失测试数据两个节点。
选择评分节点，在数据探索里可查看已训练模型逻辑回归应用于数据集“客户流失测试数据“的结果，展示结果如下：
