如何用分类模型预测消费者行为?
针对类别型变量进行分析预测的方式——逻辑回归分析
分类模型和回归模型最明显的区别在于:
- 回归模型预测的Y是数字型变量,如销售额
- 分类模型中,所预测的Y主要是类别型变量,如用户是否购买的标签只会有0(未购买)和1(购买)
什么是分类模型?
分类模型是机器通过学习与训练已有的数据,从而预测新数据的类别。
逻辑回归的定义
- 最主流的分类分析方法就是进行逻辑回归建模
- 模型性能稳定
- 模型的解释变量和目标变量之间的关系容易解释
- 逻辑回归不仅是分类模型的主力军,更是最常用的数据分析模型之一
逻辑回归模型的建立
- 建立逻辑回归模型,就是考虑在各种X的情况下,实现Y=1的概率。
- Y=1
- 用户的点击/购买/注册
- Y=0
- 用户未点击/未购买/未注册
- Y=1
- 对于每个需要预测的记录,都会生成一个预测的期望值
- 预测值,在0和1之间
- 真实值,是1或者0
- 预测值和真实值之间存在差值
逻辑回归模型的评估和优化
- 真实值和预测值会形成左图ABCD四种可能的组合。
- 评判模型预测效果的好坏时,可用预测的正确数除以总数