逻辑回归在目标用户挖掘方面的应用

小提示：您能找到这篇{逻辑回归在目标用户挖掘方面的应用}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的逻辑回归在目标用户挖掘方面的应用内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

编辑导读：企业为了更精准地定位用户，通常会开展自己的用户洞察项目。既包括分析现有用户特征，也包括寻找符合目标特征的用户。更进一步，想要针对用户进行精细化运营，则可以用逻辑回归算法。本文对此进行了五个方面的分析，希望对你有帮助。

随着用户数据的丰富，越来越多的公司开始开展自己的用户洞察项目。所谓用户洞察，其输出主要是两种，其一是现有用户的画像：通俗的讲就是通过现有用户群去分析自己的目标用户特征；其二是目标用户的挖掘：以用户画像为标准，去寻找符合目标特征的用户。

而这里的目标落实到业务层面，其实可以是正面的也可以是负面的。正面的如注册目标、活跃目标、下单目标、复购目标等，毫无疑问，找到这些意向的用户，能帮助我们提升业绩；而负面的流失目标、沉睡目标、投诉目标，也自有其价值，我们预先知道可能产生这类行为的用户，就能未雨绸缪提前做好应对措施。

但是如果仅仅知道用户是否是我们的目标用户还不够，我们还需要知道其意向度。比如同样是下单目标用户：60%的下单可能和90%的下单可能，对我们的价值肯定是不一样的。从精细化运营考虑，这两个用户有必要采用不同的运营策略。

而要想在给用户进行分类的同时，又想知道他属于某个类的置信度，那逻辑回归算法能较好的满足我们的需求。

逻辑回归（Logistic Regression）是一种用于解决二分类（0 or 1）问题的机器学习方法，用于估计某种事物的可能性。比如某用户购买某商品的可能性，某病人患有某种疾病的可能性，以及某广告被用户点击的可能性等。

这次我们以挖掘某出行类产品的用户下单意向为需求，来介绍逻辑回归算法的实际应用。

一、需求背景

基于现有用户的下单情况，来预测新用户的下单的可能性。

二、特征圈定

首先我们要根据经验圈定出可能对用户下单产生影响的房产推广策略特征。

我们可以将相关特征分为通用特征和业务特征。通用特征即无论分析何种场景都可以参考的特征，业务特征指仅适用于具体分析场景的特征。

因为此次分析的场景是：分析用户租赁汽车类出行工具的可能性，其相关特征可以从如下几方面考虑。

通用特征：

• 性别
• 年龄
• 所在地
• 经济水平

业务特征：

对于汽车租赁类产品，用户租赁的目的一是日常上下班代步，二是节假日出行。

那么基于上下班代步需求，他的业务特征可以是：

• 公司——家的通勤距离
• 非驾车出行时的通勤时长

而节假日出行，可提炼的特征：

• 出行频次
• 出行距离

除此之外，还有一种特征我们也需要考虑：APP用户行为。

三、特征数据获得

“巧妇难为无米之炊”，要想做数据挖掘前提必然是有足够的数据源，而数据的获得可以分为自有和外采两类。

对于大部分的通用特征，我们往往通过注册、身份认证等渠道可以让用户主动给提供。而经济水平特征的获得可以通过短信分析，若用户未授权的短信权限的话，也可以通过所居住小区的平均房价预估用户经济水平。用户小区通过夜间GPS定位判断，房价则可以通过爬虫获得。

业务特征中的APP用户行为，可以通过APP埋点获得，用户的访问路径：注册-登录-首页-车辆列表页-车辆详情页-预订页-支付页等等。而通勤距离时间、节假日出行这些数据，可以通过向第三方采购。移动联通这种通讯公司往往可以通过信号基站获得用户的这类数据。

四、建立基模

我们圈定了凭经验推测的特征数据后，就可以进行建模了。上述的特征虽说是我们全凭经验所得，并不一定都会影响用户下单。即使有所关联，其相关程度也会分个三六九等，而且可能特征与特征之间也会有一定的相关性，所有这些问题，我们后续都需要进行相应处理。

但是这些并不影响，我们先用所有特征构建一个基础模型，得到最原始的拟合情况，作为我们后续不断调整的一个参照组。

五、特征工程

1. 数据标准化

很多算法对特征的数量级都是敏感的，逻辑回归也不例外。因此，我们最好将数据集中的特征转换成相同的量纲，从而消除不同量纲对算法造成的负面影响，我们将这个过程称为数据标准化。

实际上，即使原本数据的量纲已经是一样的了，多一步标准化也不会产生负面影响。

在scikit-learn中，常用的标准化方式为：

• 均值标准差标准化（StandardScaler）
• 最小最大值标准化（MinMaxScaler）

2. 去除多重共线性

在多元线性回归中，自变量与应变量应该要存在线性关系，但是如果自变量之间存在线性关系，那么这种情况我们就称之为多重共线性。多重共线性会造成权重的不稳定性，甚至会出现拟合后的权重与相关系数呈现相反的结果。

不过多重共线性并不会影响拟合优度，如果我们仅追求模型的拟合优度，而不考虑权重系数的大小，则可以不处理多重共线性。

我们一般使用方差膨胀系数（VIF）来检测多元线性回归中的多重共线性。如果变量之间存在多重共线性，则得到的VIF值就会较高，当VIF值大于10时，就意味着存在严重的多重共线性。

VIF的计算我们可以直接调用python的statsmodels.stats.outliers_influence 包里的variance_inflationfactor方法。

3. RFECV特征选择法

在建立模型时，特征并非越多越好，有些特征可能对模型质量没有什么改善，我们可以直接删除这类特征，所以特征选择是建模非常重要的一个环节。

特征选择的方法很多，这次我们介绍RFECV方法。

RFECV分成两个部分：

1. RFE:递归特征消除，用来对特征进行重要性评级
2. CV：交叉验证，在特征评级后，通过交叉验证，获得最佳数量的特销售abc法则征

RFE阶段：

1. 初始的特征集（若之前操作有进行特征删除，则最新的特征为初始特征集）作为所有可用的特征
2. 使用当前特征进行建模，然后计算每个特征的重要性
3. 删除最不重要的一个（或多个特征），更新特征集
4. 跳转到步骤2，直到完成所有的特征重要性评级

CV阶段：

1. 根据RFE阶段确定的特征重要性，依次选择不同数量的特征
2. 对选定的特征进行交叉验证
3. 确定平均分最高的特征数量，完成特征选择

在上述多步清洗操作过程中，我们可以每完成一个环节，看一下新模型的拟合优度。有时候处理的步骤并非越多，拟合优度就越好。我们可以根据实际需要，选择合适拟合优度的模型，对那些未下单用户进行预估，得到其最终下单的可能性。

＃专栏作家＃

唐豪杰，专栏作家，微信公众号：弈呓（ID:YiYi_TANG7980)，互联网运营从业

本文由 @唐豪杰 于，，