多元线性回归的原理和一元线性回归的原理在本质上是一样的,不过因为多元线性回归可以考虑到多个因素对目标变量的影响,所以在商业实战中应用更为广泛。
利用多元线性回归可以构建更加丰富和实用的模型,例如,根据工龄、地域、行业等因素来预测薪水,根据房屋大小、所处位置、是否靠近地铁等因素来预测房价等。
案例实战:客户价值预测模型
利用多元线性回归模型可以根据多个因素来预测客户价值,当模型搭建完成后,便可对不同价值的客户采用不同的业务策略。
这里以信用卡客户的客户价值为例来解释客户价值预测的具体含义:客户价值预测就是指预测客户在未来一段时间内能带来多少利润,其利润可能来自信用卡的年费、取现手续费、分期手续费、境外交易手续费等。分析出客户价值后,在进行营销、电话接听、催收、产品咨询等各项业务时,就可以针对高价值客户提供区别于普通客户的服务,以进一步挖掘这些高价值客户的价值,并提高他们的忠诚度。
#读取数据
import pandas as pd
userdata=pd.read_excel(r'd:\Users\zhanggl21\Desktop\data快捷\python大数据分析与机器学习商业案例实战---源代码汇总-2020-06-04\python大数据分析与机器学习商业案例实战源代码汇总\第3章 线性回归模型\源代码汇总_PyCharm格式\客户价值数据表.xlsx')
userdata.head()
userdata.info()
userdata.describe()
#后5列为自变量,“客户价值”为因变量
x=userdata[['历史贷款金额','贷款次数','学历','月收入','性别']]
y=userdata['客户价值']