第10章 预测响应(分类)模型的典型应用和技术小窍门

卖弄杀周易阴阳谁似你,还有个未卜先知意。

——《桃花女》

10.1 神经网络技术的实践应用和注意事项

10.2 决策树技术的实践应用和注意事项

10.3 逻辑回归技术的实践应用和注意事项

10.4 多元线性回归技术的实践应用和注意事项

10.5 模型的过拟合及对策

10.6 一个典型的预测响应模型的案例分享

预测响应(分类)模型是数据挖掘实战中最常见的应用模型,它最直接地涉及了精细化运营中的客户分层以及随后的个性化区别对待,从某种意义上来说,基于预测响应(分类)模型的客户分层运营已经成为精细化运营的代名词。

本章围绕预测响应(分类)模型的典型应用,对神经网络、决策树、逻辑回归、多元线性回归等最常见的4种算法在数据挖掘实战应用中的优缺点和技术重点进行了分析、归纳,从而帮助读者在今后的项目实践中有的放矢,扬长避短。

不同的模型算法,需要不同的数据准备;不同的算法,输出不同的产出物;不同的算法,在实践应用中有各自独特的优势和不足之处。数据分析人员只有对这些有了足够的了解和掌握,才可以实现有效的数据挖掘实践应用。