文档介绍：该【Clementine自带实例二项式Logistic回归公开课获奖课件赛课一等奖课件 】是由【业精于勤】上传分享，文档一共【18】页，该文档可以免费在线阅读，需要了解更多关于【Clementine自带实例二项式Logistic回归公开课获奖课件赛课一等奖课件 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。Clementine自带
应用程序实例（中文版）
电信客户流失（二项式Logistic回归）
译者注：Logistic regression应当翻译成Logistic回归，而非逻辑回归，由于自身跟逻辑没有什么关系
本文档翻译自Clementine的自带应用程序实例，错漏在所难免，有问题请e-mail，欢迎粉我微博
e-mail：******@
微博：
阐明
logistic回归是一种基于输入值的记录分类记录技术。它跟线性回归相似但用分类目的字段替代数字字段。
使用的流文献%clementine%\demo\Classification_Module\
使用的数据文献%clementine%\demo\
例如，假设电信提供商关怀流失给竞争对手的客户数量。假如服务使用数据可以被用来预测哪些客户有流失到竞争对手的倾向，那么就可以实行对应的措施以挽留客户。
实例以客户使用数据预测客户的也许流失概率。由于目的是提成两类，因此选用二项式模型。在多目的分类的状况下，可以使用多项式模型替代。（百度文库有）
添加一种SPSS文献源节点，
添加一种类型节点以定义字段，保证它们的类型都设置对的。例如，对于大多数只有0值和1值的字段来说应当被设为标志，但某些特定的字段，如性别，应当被更精确的视为双值集合。
小技巧：要变化多种字段的类型，点击“值”字段排序，按下shift键对您要变化的字段进行多选。可右击选择的字段变化选择字段的类型或者属性。
添加一种特征选择节点到类型节点并执行
使用特征选择节点可以去掉跟预测目的无关的协变量
从生成菜单中选择过滤器以生成过滤节点
。您可以使用过滤器选择那些重要性比较强的因子
在生成过滤器的对话框中，选择“所有标识的字段：重要”，点击确定
把生成的过滤节点连接到类型节点
连接数据审核节点到生成的过滤节点并执行
在数据审核浏览器的质量标签中，单击%完毕标题进行升序排序。这让您能识别出有大量缺失值的字段；在本例中，我们仅需修正字段logtoll，它的缺失值不小于50%
在缺失插补中，为logtoll选择指定
在插补时间一栏，选择空值与无效值，已固定为一栏选择平均值
在数据审计浏览器的质量节点，生成缺失值超节点
在缺失值超节点对话框中，增长样本数量至50%，确定，生成超节点到面板中，添加超节点到过滤节点。
添加Logistic节点到超节点
在Logistic节点中，点击模型标签并选择二项式措施选择前进法