多元线性回归

最新推荐文章于 2022-11-17 23:45:23 发布

gulie8

最新推荐文章于 2022-11-17 23:45:23 发布

阅读量432

点赞数

分类专栏：数据挖掘与机器学习

本文链接：https://blog.csdn.net/gulie8/article/details/118674504

版权

多元线性回归广泛应用于商业实战，如预测薪水、房价等。通过多个因素预测客户价值，如信用卡客户的未来利润，从而制定个性化服务策略。模型在数据量较少的情况下，R-squared和Adj.R-squared值表明拟合效果一般，但部分特征显著相关。线性回归模型具有强可解释性和快速建模的优点，但适用范围有限。

摘要由CSDN通过智能技术生成

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']