决策树系列目录(文末有大礼相送
):
决策树①——信息熵&信息增益&基尼系数
决策树②——决策树算法原理(ID3,C4.5,CART)
决策树③——决策树参数介绍(分类和回归)
决策树④——决策树Sklearn调参(GridSearchCV调参及过程做图)
决策树⑤——Python代码实现决策树
决策树应用实例①——泰坦尼克号分类
决策树应用实例②——用户流失预测模型
决策树应用实例③——银行借贷模型
之前在京东购物,发现了一个新的支付方式,叫打白条,买东西可以先付钱,后面再分期付,这个跟买房按揭还不太一样,前者还必须缴纳30%以上的首付,而白条可以完全不用交钱。淘宝上也有类似的功能,叫花呗分期。当然也不是所有商品都能白条,白条金额也是有一个上限的。
电商平台是根据什么决定用户的白条金额呢?太少了,无法达到刺激用户消费的作用,还显得平台小家子气;太多了,又无法承担用户薅羊毛一次就跑的风险。
我猜测是依据用户在平台上的历史数据以及第三方数据平台提供的消费及信用数据。本篇我就基于对电商业务的理解,构造了一份用户在平台的历史消费数据,并以此来建立决策树回归模型,预测不同的用户最合理的白条金额
一、如何选择特征?
建模之前最重要的就是特征选择,特征选择的标准是少而精,多了会导致模型预测能力降低,解释能力变弱,因此要针对不同的业务需求精选最核心的指标。我从忠诚度,支付能力和喜爱度三个维度选取了7个指标&#