《表2 特征选择结果：加油卡客户流失分析和预测——基于“跨行业数据挖掘标准流程”》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《加油卡客户流失分析和预测——基于“跨行业数据挖掘标准流程”》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了迅速筛选出对于是否流失有重要影响的字段，使用了特征选择建模节点。数据挖掘问题可能包括成百甚至上千个可用作输入的备选字段。为了缩小选择范围，可以使用特征选择算法来识别对某给定分析最为重要的字段。特征选择由以下3个步骤组成：1）筛选。删除不重要或有问题的输入、记录或个案（例如输入字段含有过多缺失值，或者输入字段的变异太大或太少而变得无用）。2）秩。对剩余输入进行排序并根据重要性进行分级。3）选择。识别在后续模型中使用的功能子集，例如通过仅保留最重要的输入，过滤或排除所有其他输入。本文根据Pearson卡方对自变量进行了重要性排序，0.95以上为重要，0.9以上为一般重要，0.9以下为不重要。27个变量对于“流失”均有较大影响，其中“性别”和“月均金额”为“一般重要”，其他均为“重要”（见表2）。