python spss modeler 比较_使用SPSS Modeler进行客户流失预测

现在很多业务场景我们会使用excel进行数据分析，数据量大的时候使用python，但是今天使用一款很小却很实用的软件SPSS Modeler进行我们客户流失的预测。

目录

1.分析问题

2.介绍数据

3.建模做出分析报告

1.分析问题

我们想知道电信用户流失的原因，换句话说，也就是找出影响用户流失的因素。找出客户流失的因素，这其实属于一个数据挖掘(Data Mining)的问题，就是仅仅从数据中挖掘出一点有趣的东西出来，不涉及之后的模型预测问题，如果涉及到模型的预测，我觉得应该归属到机器学习(machine learning)的领域。

2.介绍数据

巧妇难为无米之炊，没人可以脱离数据去做数据分析。那我们来看我们的数据是什么样子。我们数据是SAV格式，一般的编辑器无法打开，只能用特定的软件，在一定程度上保证了安全性和可靠性。

数据量为1000，有15个字段。截图如下：

我们可以看到数据已经被预处理过，也就是很多分类型变量被直接变成了数值，比如居住地，婚姻状况，教育水平，我们把这些字符用数字代替，来方便计算机进行计算。

3.建模做出分析报告

我们先来看一下特征选择的部分，就是我们是要把所有的数据都使用呢，还是只使用一部分。使用一部分数据的好处，主要在于省空间，省内存；二是避免过拟合的情况，数据维度越多，模型越容易学到不相干的信息，会导致过拟合。

我们看看SPSS对于这段数据的特征选择情况。

它会傻瓜式地告诉你如何挑选变量进入到你的模型中。SPSS默认采用的是pearson相关系数去计算两个变量的相关程度。

公式定义为：两个连续变量(X,Y)的pearson相关性系数P(x,y)等于它们之间的协方差cov(X,Y)除以它们各自标准差的乘积(σX,σY)。系数的取值总是在-1.0到1.0之间，接近0的变量被成为无相关性，接近1或者-1被称为具有强相关性。

看过了公式，我们开始创建测试集和训练集，之后采用CART树建模，数据流如下：

SPSS生成的报告是这样。

可以看到变量的重要性。开通月数最重要，套餐类型其次。

我们的结论也可以得出：

结论：

1、老客户入网时间长，对企业忠诚

2、新客户，申请附加套餐业务，保有率高

3、新客户申请其他套餐业务，保持性不好

4、更应关注费用，在改善服务类型上下功夫

这样，一个简单的建模就完成了，我们也可以用python的sklearn模块完成一模一样的功能。