知识库 : 逻辑回归产品分析

Edit Document

1. 参数设置

2. 模型参数设置

3. 模型查看

4. 预测

参数设置

$C:\Users\ADMINI~1\AppData\Local\Temp\enhtmlclip\Image.png$
目标字段：预测类别字段。比如客户类别。
输入字段：参与回归训练的属性字段。

类似与SPSS（见下图），因为某一类别的算法（比如分类算法）数据角色都一样，可能需要很多算法节点来训练模型，抽象出这样的节点，就不必重复设置了。

$C:\Users\ADMINI~1\AppData\Local\Temp\enhtmlclip\Image(1).png$
模型参数设置

$C:\Users\ADMINI~1\AppData\Local\Temp\enhtmlclip\Image(2).png$

类别：多项式，二项式预测，对应目标属性的分类个数。（这个参数是否有必要设置，因为可以根据目标属性判断类别的具体个数）
属性筛选方法：类似与其它回归算法，根据不同的策略（涉及假设检验）选取与目标属性关系度比较大的输入属性。
目标字段的基准类别：选一具体分类做基准类别，只针对其它类别构建回归模型，其它模型构建好后，基准类别的概率也就确定了。
全析因：所有输入属性都参与模型构建，不会再做筛选，（ spss 做了三个分类，感觉不是很有必要。）
模型查看

构建好的回归方程式，类似于spss，截图如下：

$C:\Users\ADMINI~1\AppData\Local\Temp\enhtmlclip\Image(3).png$

训练属性的重要性程度排名，表格或者图表展现

$C:\Users\ADMINI~1\AppData\Local\Temp\enhtmlclip\Image(4).png$

模型的高级属性：显示模型的各种性能指标，比如针对模型是否有效的假设检验，模型预测精度的交叉列联表等。

$C:\Users\ADMINI~1\AppData\Local\Temp\enhtmlclip\Image(5).png$
预测
预测过程与其它分类算法差别不大，但可生成属于某一类别的概率。
$C:\Users\ADMINI~1\AppData\Local\Temp\enhtmlclip\2015-4-16 9-39-38.png$

知识库 : 逻辑回归产品分析

Attachments: