预测响应模型的应用

1.预测响应模型是数据挖掘中最常见的应用模型，最直接的涉及的精细化运营的客户分层以及随后的个性化区别对待
2.预测响应模型涉及的几种算法：神经网络、决策树、逻辑回归、多元线性回归
3. 神经网络是一组互相连接的输入、输出单元，其中每个连接都会与一个权重相关联
人工神经网络的结构大致分为两类：前向型网络、反馈型网络
前向型网络：是指传播方向是从输入和输出端，并且没有任何的反馈，所谓的反馈型网络指的是传播方向上除了从输入端到输出端之外，还有回环或反馈存在
神经网络通过输入多个非线性模型，以及不同模型之间的加权互联，最终得到一个输出模型，具体来说，多元输入层是指一些自变量，这些自变量通过加权结合到中间的层次，称为隐蔽层，隐蔽层主要包含的是非线性函数，也称转换函数或者挤压函数
利用神经网络模型建模的过程中，有5个重大的影响因素
A. 层数
对于一定的输入层和输出层，需要有多少个隐蔽层，从理论上将，两层就足够了，在实践中，经常是一层隐蔽层就足够了
B.每层中输入变量的数量
输出层的变量由具体的分析背景来决定的，而隐蔽层的数量为输入数与输出数的乘积开平方，输入层的数量应该尽量精简
C. 联系的程度，一般都选择所有层次间全部联系
D. 转换函数，选用逻辑斯蒂回归作为主要的转换函数，因为逻辑斯蒂函数可以提供在最短时间内的最佳拟合
E.样本开发样本要足够充分，避免过拟合现象发生
神经网络的优势
A. 有良好的自组织学习能力，神经网络可以根据外界数据的变化来不断修正自身的行为，对未经训练的数据模式的分类能力也比较强
B. 有比较优秀的在数据中挑选非