宽带离网用户分析之建模框架
在介绍了任务和数据的预处理方法以后,我们可以从宏观来看看我们的建模过程了。
建模框架
首先,我们得明确我们面对的是一个什么问题,稍微有一点数据挖掘知识的应该知道这是一个典型的二分类问题——给你一个用户,和他的数据,问你他会不会离网?
当然我们之前说过我们有一年的数据。
我们怎样判断该用户是否会离网呢?算命总不行吧,我们有的是之前很多个月的用户数据,这些用户里面就有离网和非离网的用户,我们可以从以往的数据学习到一些经验,然后用这些经验来判断现在的用户是否会离网。
这里的“经验”也就是机器学习里面的“分类模型”,而现在让我判断的用户的指标数据就是模型的输入,模型根据这输入得出研判结果,即模型的输出。
我们先列出我们的建模框架:
这里面特征选择可以先不问,先看其他的部分。要强调的是“训练数据”就是我已经知道他是否离网的历史数据,而测试数据,是我假装我不知道,根据模型进行预测,然后我跟实际结果进行对比,看看我的准确率如何,这个准确率在一定程度上就说明了我的特征和模型的好坏。
训练集和测试集的划分
我们再用一张图来解释一下训练集和测试集的划分:
我们在去年5-9月份的数据上提取特