第1个回答 2022-07-27
分类分析定义 :根据现有数据中对用户或者产品等的类别特征,抽象归纳为模型,并能为新的用户或者产品等进行类别预测的过程.
区别:
回归模型,预测的Y是数字型变量——例如销售额
分类分析中,预测的Y主要是类别变量——例如用户购买的产品类别,只会在若干个产品类别中可选;或者说顾客是否购买的标签,只会在0(未购买)和1(购买)中进行选择
分类预测模型的典型场景，是用来实现针对用户的精准营销。
我们以典型的顾客生命周期为例，在顾客从注册到流失的全 周期中，每个阶段都可以分拆成分类预测的场景：
阶段一:用户注册-引导顾客注册，并使他们从 0 到 1 转换为购买顾客时：
目标是在预算范围内最大化收益,对响应概率低的客户制定相应的市场活动,可以建立为活动响应或者产品响应模型
阶段二:客户处于留存阶段时：
主要目标是对那些还有购买潜力或者目前购买比较单一的客户,可以建立交叉销售或者向上销售模型 .从而最优化现有客户的价值，增加客户的黏性即忠诚度
阶段三:在客户有流失风险的阶段时:
可以建立客户流失的预警模型或者客户赢回模型 , 确认流失概率高的客户,制定流失防范措施 ,为赢回概率高的客户制定优惠的市场活动
分类分析的价值: 预测分析使企业获得更高的客户盈利和更强的客户关系.
企业需要致力于: 保持持续消费者的满意度、奖励客户忠诚、最小化客户流失
客户挽留的小幅度增加能不成比例的增加利润,一项研究总结出客户挽留率提升5%,利润将提高25%-95%.
对于提供多种产品的组织，预测分析有助于分析消费者的支出、使用及其它行为形成高效的交叉销售或向现有的客户销售额外的产品
逻辑回归是数据分析的主流模型: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
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，即(A+D)/(A+B+C+D)。
逻辑回归是一种数据挖掘、机器学习算法(有回归]、分类、聚类等).
传统机器学习中的分类算法:逻辑回归、朴素贝叶斯分类、决策树、随机森林、支持向量机(SVM)等.
深度学习算法中也有分类算法和模型