原文鏈接：http://tecdat.cn/?p=967

原文出處：拓端數(shù)據(jù)部落公眾號

?

數(shù)據(jù)簡介

對于某企業(yè)新用戶，會利用大數(shù)據(jù)來分析該用戶的信息來確定是否為付費用戶，弄清楚用戶屬性，從而針對性的進(jìn)行營銷，提高運營人員的辦事效率。

對于付費用戶預(yù)測，主要是思考收入由哪些因素推動，再對每個因素做預(yù)測，最后得出付費預(yù)測。這其實不是一個財務(wù)問題，是一個業(yè)務(wù)問題。

流失預(yù)測。這方面會偏向于大額付費用戶，提取特征向量運用到應(yīng)用場景的用戶流失和預(yù)測里面去。（查看文末了解數(shù)據(jù)獲取方式)。

數(shù)據(jù)詳情

數(shù)據(jù)格式

data

字段

年齡

工作階層

權(quán)重

教育

教育年份

婚姻狀況

職業(yè)

家庭關(guān)系

種族

性別

資本收益

資本損失

每周小時數(shù)

原籍國

付費

大小

3800kb

樣本量

32561

數(shù)據(jù)瀏覽

以前9行數(shù)據(jù)為例，我們來預(yù)覽一下：

變量探索：

數(shù)據(jù)獲取

在下面公眾號后臺回復(fù)“付費用戶數(shù)據(jù)”，可獲取完整數(shù)據(jù)。

點擊標(biāo)題查閱往期內(nèi)容

R語言邏輯回歸預(yù)測分析付費用戶

左右滑動查看更多

01

02

03

04

點擊標(biāo)題查閱往期內(nèi)容

R語言貝葉斯廣義線性混合（多層次/水平/嵌套）模型GLMM、邏輯回歸分析教育留級影響因素數(shù)據(jù)

R語言用邏輯回歸、決策樹和隨機(jī)森林對信貸數(shù)據(jù)集進(jìn)行分類預(yù)測

R語言用貝葉斯線性回歸、貝葉斯模型平均 (BMA)來預(yù)測工人工資

R語言用加性多元線性回歸、隨機(jī)森林、彈性網(wǎng)絡(luò)模型預(yù)測鮑魚年齡和可視化

R語言高維數(shù)據(jù)懲罰回歸方法：主成分回歸PCR、嶺回歸、lasso、彈性網(wǎng)絡(luò)elastic net分析基因數(shù)據(jù)（含練習(xí)題）

R語言用加性多元線性回歸、隨機(jī)森林、彈性網(wǎng)絡(luò)模型預(yù)測鮑魚年齡和可視化

R語言線性回歸和時間序列分析北京房價影響因素可視化案例

python用支持向量機(jī)回歸(SVR)模型分析用電量預(yù)測電力消費

R語言非參數(shù)模型厘定保險費率：局部回歸、廣義相加模型GAM、樣條回歸

R語言計量經(jīng)濟(jì)學(xué)：工具變量法(兩階段最小二乘法2SLS)線性模型分析人均食品消費時間序列數(shù)據(jù)和回歸診斷

r語言邏輯回歸(對數(shù)幾率回歸,Logistic)分析研究生錄取數(shù)據(jù)實例

R語言廣義加性模型GAMs分析溫度、臭氧環(huán)境數(shù)據(jù)繪制偏回歸圖與偏殘差圖

Matlab中的偏最小二乘法（PLS）回歸模型，離群點檢測和變量選擇

R語言JAGS貝葉斯回歸模型分析博士生延期畢業(yè)完成論文時間

R語言多元逐步回歸模型分析房價和葡萄酒價格：選擇最合適的預(yù)測變量

R語言分位數(shù)回歸Quantile Regression分析租房價格

重慶住房租賃市場現(xiàn)狀分析:解讀出租房市場的數(shù)據(jù)密碼

R語言懲罰logistic邏輯回歸（LASSO,嶺回歸）高維變量選擇的分類模型案例

R語言用標(biāo)準(zhǔn)最小二乘OLS，廣義相加模型GAM?，樣條函數(shù)進(jìn)行邏輯回歸LOGISTIC分類

R語言實現(xiàn)CNN（卷積神經(jīng)網(wǎng)絡(luò)）模型進(jìn)行回歸數(shù)據(jù)分析

R語言中使用非凸懲罰函數(shù)回歸(SCAD、MCP)分析前列腺數(shù)據(jù)

R語言中實現(xiàn)廣義相加模型GAM和普通最小二乘(OLS)回歸

【視頻】R語言實現(xiàn)CNN（卷積神經(jīng)網(wǎng)絡(luò)）模型進(jìn)行回歸數(shù)據(jù)分析

R語言ISLR工資數(shù)據(jù)進(jìn)行多項式回歸和樣條回歸分析

R語言中的多項式回歸、局部回歸、核平滑和平滑樣條回歸模型

R語言隨機(jī)搜索變量選擇SSVS估計貝葉斯向量自回歸（BVAR）模型

R語言如何和何時使用glmnet嶺回歸

欲獲取全文文件，請點擊左下角“閱讀原文”。