pythonspssmodeler比较_使用SPSSModeler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&＃xff0c;数据量大的时候使用python&＃xff0c;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&＃xff0c;换句话说&＃xff0c;也就是找出影响用户流失的因素。找出客户流失的因素&＃xff0c;这其实属于一个数据挖掘(Data Mining)的问题&＃xff0c;就是仅仅从数据中挖掘出一点有趣的东西出来&＃xff0c;不涉及之后的模型预测问题&＃xff0c;如果涉及到模型的预测&＃xff0c;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&＃xff0c;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&＃xff0c;一般的编辑器无法打开&＃xff0c;只能用特定的软件&＃xff0c;在一定程度上保证了安全性和可靠性。

数据量为1000&＃xff0c;有15个字段。截图如下&＃xff1a;

我们可以看到数据已经被预处理过&＃xff0c;也就是很多分类型变量被直接变成了数值&＃xff0c;比如居住地&＃xff0c;婚姻状况&＃xff0c;教育水平&＃xff0c;我们把这些字符用数字代替&＃xff0c;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&＃xff0c;就是我们是要把所有的数据都使用呢&＃xff0c;还是只使用一部分。使用一部分数据的好处&＃xff0c;主要在于省空间&＃xff0c;省内存&＃xff1b;二是避免过拟合的情况&＃xff0c;数据维度越多&＃xff0c;模型越容易学到不相干的信息&＃xff0c;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&＃xff1a;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&＃xff0c;接近0的变量被成为无相关性&＃xff0c;接近1或者-1被称为具有强相关性。

看过了公式&＃xff0c;我们开始创建测试集和训练集&＃xff0c;之后采用CART树建模&＃xff0c;数据流如下&＃xff1a;

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&＃xff0c;套餐类型其次。

我们的结论也可以得出&＃xff1a;

结论&＃xff1a;

1、老客户入网时间长&＃xff0c;对企业忠诚

2、新客户&＃xff0c;申请附加套餐业务&＃xff0c;保有率高

3、新客户申请其他套餐业务&＃xff0c;保持性不好

4、更应关注费用&＃xff0c;在改善服务类型上下功夫

这样&＃xff0c;一个简单的建模就完成了&＃xff0c;我们也可以用python的sklearn模块完成一模一样的功能。