
1 邏輯回歸
首先邏輯回歸是線性回歸衍生過來的,假設在二維空間上,本質上還是一條線,那么在三維空間,他就是一個平面。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平面。那么假設現(xiàn)在我們有兩個變量,就是圖中這兩個變量,為什么假設y=1是壞客戶的話,根據(jù)圖中可以看到,單個變量的劃分并不可以把兩種類型的客戶分的很好,要兩個變量相互作用,假設x1為查詢次數(shù),x2為在還貸款筆數(shù),那可以看到當x1小以及x2比較小的時候,那么客戶肯定在左下角的地方,那么當他其中一項比較高的時候就會趨于右上角,x1 x2都高的時候,就是越過分割線,落于分割線的上方了。這里我們可以看到,x1 x2是兩個有趨勢性的變量才可以達到這種這么好的一個分類效果。
那么現(xiàn)在假設數(shù)據(jù)是以下這種:
可以看到變量的趨勢跟y的分類沒有什么關系的時候,這時候邏輯回歸就顯得很雞肋,分的效果一點都不好。
2 決策樹
決策樹。剛才說的是邏輯回歸是一條直到不能再直的直線或者平面,那么決策樹就是一條會拐彎,但是不能有角度的,永遠直行或者90度拐的直線或者面,看下圖,你可以理解為決策樹就是一條貪吃蛇,他的目標就是把好壞客戶分的很清晰明了,要是貪吃蛇過分的貪吃就會造成過擬合,那么過擬合是啥,就是你問你喜歡的妹紙,妹紙你喜歡什么樣的男生,妹紙說,我喜歡長的好看的,帥氣,溫柔體貼,會做飯的,巴拉巴拉一大堆,足足100多條,然后你實在太喜歡妹紙,所以按照她的要求,到頭來你真的跟妹紙在一起了,妹紙說,其實我只要你長得好看就可以了,其他的100多條都是無所謂的。拉回來決策樹,決策樹適應的數(shù)據(jù)假設像邏輯回歸那種數(shù)據(jù)的話,其實按照決策樹的這種貪吃蛇的方式其實還是很難分的,所以決策樹適用的數(shù)據(jù)是變量與因變量呈現(xiàn)一個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)這種趨勢的,你就要暗喜了,老子要用決策樹立功了?。?!
3 支持向量機
支持向量機,要是沒有數(shù)學基礎的人看支持向量機的把低維的數(shù)據(jù)轉化成高維可以在高維空間分類的算法這句話時候估計是一臉懵逼,我以前也是很懵逼,這到底是啥,我們以只有兩個變量的舉個例子,譬如你現(xiàn)在相區(qū)分一群客戶的好壞,這時候就給出這群人的兩個變量,查詢次數(shù)和貸款次數(shù),然后這時候你通過某些什么開方啊,冪次數(shù),取對數(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)輸進去,算出來的第三個未知數(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,請看下圖
剛才我們把數(shù)據(jù)丟進入,支持向量機幫我們這份數(shù)據(jù)擬合了這個圓,把這兩類數(shù)據(jù)分的像圖中的這樣子很好,那么這時候我們需要這條圓的方程,產(chǎn)生變量的運用口徑,這條方程是:
25=(x-5)2+(y-5)2 那么這時候當貸款次數(shù)和查詢次數(shù)分別減5再2次冪的時候如果數(shù)小于25那么就是好客戶,假設大于25就是壞客戶。支持向量機是在除了變量所有的維度之外又給了他一個維度之后,把擬合的方程再投放在原來的維度空間。支持向量機可以適用的數(shù)據(jù)那么就是在你用決策樹和邏輯回歸走投無路的時候就可以用支持向量機了,但是就像我們剛才得出這道方程一樣,出來的變量口徑是沒有邏輯的,他可能要變量開方,取對數(shù),假設你這模型要跟業(yè)務去解釋的時候,我就不知道你要想多少套路了。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關鍵? 在循環(huán)神經(jīng)網(wǎng)絡(RNN)家族中,長短期記憶網(wǎng)絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準備指南? ? 在數(shù)據(jù)驅動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務的價值轉化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數(shù)據(jù)查詢到趨勢預判? ? 在數(shù)據(jù)驅動決策的時代,預測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領域中,準確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認證作為國內(nèi)權威的數(shù)據(jù)分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網(wǎng)絡(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調研數(shù)據(jù)中的深度應用? 市場調研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉日期:解鎖數(shù)據(jù)處理的關鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準確性的基礎 ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03