【Ryo】SPSS Modeler:基于多项logit回归的客户分类

本文介绍了如何使用SPSS Modeler进行多项Logit回归分析,以人口统计数据预测电信客户的使用情况模式。通过设置目标字段、输入字段、选择逐步法建模,并解读模型结果,展示了一种客户分类的方法。尽管Python提供了交叉验证和网格搜索的优势,但在数据建模过程中,SPSS Modeler展现出了便捷性。
摘要由CSDN通过智能技术生成

Logistic回归是一种统计方法,它可根据输入字段的值对记录进行分类。这种技术与线性回归类似,但用分类目标字段代替了数值字段。例如,假设某个电信提供商根据服务使用情况模式对其客户群进行了细分,将这些客户分为了四个组。如果人口统计数据可用于预测组成员资格,那么您可以为各个潜在客户定制报价。

研究模型 软件 日期
多项逻辑回归 SPSS Modeler 2021年6月26日

△△△△△本文为个人项目练习,仅供参考,如有不足欢迎讨论 △△△△△


一、案例背景

  本示例主要讲述使用人口统计数据预测使用情况模式。目标字段custcat 有四个可能的值对应于四个客户组,如下所示:
在这里插入图片描述
  由于目标具有多个类别,因此将使用多项模型。如果目标具有两个截然不同的类别(例如,是/否、真/假或者流失/未流失),那么可以改为创建二项模型。(二项Logis-tic回归)


二、研究方法及建模路径

  首先建立流。数据源是statistics类型,选取sav文件(SPSS保存的文件,预览如下)添加类型节点并单击读取值,确保所有测量级别设

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值