用户流失分析中的关键技术

用户流失分析中的关键技术

机器学习：

对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E学习。

按学习方式不同分类：

监督学习：学习样本中有结果标记

无监督学习：学习样本中无结果标记

分类模型：决策树

是一种归纳分类算法，结果为树结构。每个非叶节点均为对一个属性的测试，输出结果为离散值，每个分支对应一个不同的离散值。决策树就像是在回答一系列问题，不同的问题答案将导向不同的分支，最终得到一个分类结果。

如何构建决策树

准备工做

信息熵

信息增益

特征选择

决策树总结

集成学习

##### bagging

实际上达不到这个效果，因为模型与模型之间不是相互独立的。

boosting

#### 随机森林

Smart Bagging：随机又放回的选取数据（行），随机选取特征（列）。

特征工程

模型评估：解释/泛化

机器学习流程