
1 邏輯回歸
首先邏輯回歸是線性回歸衍生過(guò)來(lái)的,假設(shè)在二維空間上,本質(zhì)上還是一條線,那么在三維空間,他就是一個(gè)平面。把數(shù)據(jù)分成兩邊,就是直的不能再直的一條線或者一個(gè)平面。那么假設(shè)現(xiàn)在我們有兩個(gè)變量,就是圖中這兩個(gè)變量,為什么假設(shè)y=1是壞客戶的話,根據(jù)圖中可以看到,單個(gè)變量的劃分并不可以把兩種類型的客戶分的很好,要兩個(gè)變量相互作用,假設(shè)x1為查詢次數(shù),x2為在還貸款筆數(shù),那可以看到當(dāng)x1小以及x2比較小的時(shí)候,那么客戶肯定在左下角的地方,那么當(dāng)他其中一項(xiàng)比較高的時(shí)候就會(huì)趨于右上角,x1 x2都高的時(shí)候,就是越過(guò)分割線,落于分割線的上方了。這里我們可以看到,x1 x2是兩個(gè)有趨勢(shì)性的變量才可以達(dá)到這種這么好的一個(gè)分類效果。
那么現(xiàn)在假設(shè)數(shù)據(jù)是以下這種:
可以看到變量的趨勢(shì)跟y的分類沒(méi)有什么關(guān)系的時(shí)候,這時(shí)候邏輯回歸就顯得很雞肋,分的效果一點(diǎn)都不好。
2 決策樹(shù)
決策樹(shù)。剛才說(shuō)的是邏輯回歸是一條直到不能再直的直線或者平面,那么決策樹(shù)就是一條會(huì)拐彎,但是不能有角度的,永遠(yuǎn)直行或者90度拐的直線或者面,看下圖,你可以理解為決策樹(shù)就是一條貪吃蛇,他的目標(biāo)就是把好壞客戶分的很清晰明了,要是貪吃蛇過(guò)分的貪吃就會(huì)造成過(guò)擬合,那么過(guò)擬合是啥,就是你問(wèn)你喜歡的妹紙,妹紙你喜歡什么樣的男生,妹紙說(shuō),我喜歡長(zhǎng)的好看的,帥氣,溫柔體貼,會(huì)做飯的,巴拉巴拉一大堆,足足100多條,然后你實(shí)在太喜歡妹紙,所以按照她的要求,到頭來(lái)你真的跟妹紙?jiān)谝黄鹆?,妹紙說(shuō),其實(shí)我只要你長(zhǎng)得好看就可以了,其他的100多條都是無(wú)所謂的。拉回來(lái)決策樹(shù),決策樹(shù)適應(yīng)的數(shù)據(jù)假設(shè)像邏輯回歸那種數(shù)據(jù)的話,其實(shí)按照決策樹(shù)的這種貪吃蛇的方式其實(shí)還是很難分的,所以決策樹(shù)適用的數(shù)據(jù)是變量與因變量呈現(xiàn)一個(gè)u型分布的數(shù)據(jù),就是兩頭是一類,單峰聚集了另外一類數(shù)據(jù)。你在變量特征分析的,看到變量都是呈現(xiàn)這種趨勢(shì)的,你就要暗喜了,老子要用決策樹(shù)立功了!??!
支持向量機(jī),要是沒(méi)有數(shù)學(xué)基礎(chǔ)的人看支持向量機(jī)的把低維的數(shù)據(jù)轉(zhuǎn)化成高維可以在高維空間分類的算法這句話時(shí)候估計(jì)是一臉懵逼,我以前也是很懵逼,這到底是啥,我們以只有兩個(gè)變量的舉個(gè)例子,譬如你現(xiàn)在相區(qū)分一群客戶的好壞,這時(shí)候就給出這群人的兩個(gè)變量,查詢次數(shù)和貸款次數(shù),然后這時(shí)候你通過(guò)某些什么開(kāi)方啊,冪次數(shù),取對(duì)數(shù)的方式啊,你剛好擬合除了三元方程,這條方程你把身高體重的數(shù)據(jù)輸進(jìn)去,算出來(lái)的第三個(gè)未知數(shù)在這條方程里面的,就是男的,在這方程里面就算女的,這樣子可能你不是很清楚,請(qǐng)看下圖
剛才我們把數(shù)據(jù)丟進(jìn)入,支持向量機(jī)幫我們這份數(shù)據(jù)擬合了這個(gè)圓,把這兩類數(shù)據(jù)分的像圖中的這樣子很好,那么這時(shí)候我們需要這條圓的方程,產(chǎn)生變量的運(yùn)用口徑,這條方程是:
25=(x-5)2+(y-5)2 那么這時(shí)候當(dāng)貸款次數(shù)和查詢次數(shù)分別減5再2次冪的時(shí)候如果數(shù)小于25那么就是好客戶,假設(shè)大于25就是壞客戶。支持向量機(jī)是在除了變量所有的維度之外又給了他一個(gè)維度之后,把擬合的方程再投放在原來(lái)的維度空間。支持向量機(jī)可以適用的數(shù)據(jù)那么就是在你用決策樹(shù)和邏輯回歸走投無(wú)路的時(shí)候就可以用支持向量機(jī)了,但是就像我們剛才得出這道方程一樣,出來(lái)的變量口徑是沒(méi)有邏輯的,他可能要變量開(kāi)方,取對(duì)數(shù),假設(shè)你這模型要跟業(yè)務(wù)去解釋的時(shí)候,我就不知道你要想多少套路了。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10CDA 數(shù)據(jù)分析師:商業(yè)數(shù)據(jù)分析實(shí)踐的落地者與價(jià)值創(chuàng)造者 商業(yè)數(shù)據(jù)分析的價(jià)值,最終要在 “實(shí)踐” 中體現(xiàn) —— 脫離業(yè)務(wù)場(chǎng)景的分 ...
2025-09-10