发帖
雷达卡
一、 某移动通信公司想要预测客户流失的可能性（即客户停止使用该公司移动服务的可能性），根据历史统计，平均的顾客流失率为14.5%。该公司构建了一个逻辑回归模型，所用到的变量如下所示：（15分）
International Plan: 是否加入国际长度直播计划
VoiceMail Plan: 是否加入语音邮件服务
CSC-Hi: 客户是否经常打入客服电话，如果此数大于等于4次则标记为“高”，其他标记为“低”。
Day minutes: 连续型变量，白天打电话的平均时长（分钟）
Night minutes: 连续型变量，夜间打电话的平均式长（分钟）
International minutes: 连续型变量，国际长途通话时长（分钟）
软件输出结果如下图所示：
请回答以下问题：
a) 语音邮件用户和非语音邮件用户之间的Odds ratio是多少，并解释其意义
b) 请估计以下客户的流失可能性，并提出适当的营销策略
l 客户A:低使用率，很少打克服电话，每天白天，晚上的平均通话时长都是100分钟，不打国际长途。
l 客户B:高使用率，加入了国际长途计划，但是不是语音邮件用户，经常打客服电话（>4）,每天白天、晚上的平均通话时长为300分钟，而其还有20分钟的国际长途通话
二、简述“Type”(类型)节点中，将变量的角色定义为“无”,与在“Filter”（过滤）节点中将变量过滤掉有什么不同？
三、 关于数据审核节点，请回答以下问题
a) 是否可以从数据审核节点的结果中，输出变量的概率分布图？
b) 如果要对数据进行确实插补，以下步骤如何完成
i. 选择_____面板
ii. 确定造成数据确实的原因是无效值，____，空白，还是空值
iii. 点击______列对应的单元格，制定相应的条件，选择填充方法以及填充值
iv. 对所有需要进行缺失值插补的变量进行操作后，点击_______菜单，选择______,生成______
四、看下图回答问题
图中的数据审核节点的结果是否会受到超节点”Missing Value Imputation”中对数据的操作结果的影响？
五、打开Modeler软件，找到演示程序的存放文件夹，选择”streams”文件夹，打开goodslearn.str文件。请做箱体图，展示cost变量在不同”class”中分布。
如果可以的话，第5个题目稍微弄个图吧，谢谢！
提升卡
置顶卡
沉默卡
变色卡
抢沙发
千斤顶
显身卡
京公网安备 11010802022788号
