26、统计与机器学习数据挖掘：响应模型与市场细分分类建模

统计与机器学习数据挖掘：响应模型与市场细分分类建模

1. 响应模型构建与优化

1.1 初始模型分析

在构建响应模型时，我们首先考虑了变量 X1、X2 以及它们的交互项 X1X2。最初的模型显示，TCCR（X1, X2, X1X2）为 55.64%，这一结果暗示在模型中 X1 是一个不必要的变量。经过分析，我们得到了目前为止最简约的响应模型，该模型由 X2 和 X1X2 定义。

1.2 模型探索与改进

对 RESPONSE 和 X2 的关系进行深入探索时，我们发现两者关系在右上角部分有轻微弯曲，这表明可能存在二次成分。因此，我们在模型中引入了 X2 的平方项 X2_SQ 进行测试。

以下是不同模型的详细信息：
| 模型 | TCCR (%) | 正确分类的响应者数量 | RCCR (%) | 类型 | 定义变量 |
| — | — | — | — | — | — |
| 基础模型 | 48.37 | 1704 | 1.10 | 基础 | X1, X2 |
| 完整模型 | 55.64 | 1478 | 1.11 | 完整 | X1, X2, X1X2 |
| 目前最佳模型 | 55.64 | 1477 | 1.11 | 最佳 | X2, X1X2 |
| 最优模型 | 64.59 | 1256 | 1.19 | 最优 | X2, X1X2, X2_SQ |

从这些数据可以看出，引入 X2_SQ 后，模型的 TCCR 从 55.64% 提升到了 64.59%，有了 16.1% 的显著提升。这表明包含 X2、X1X2 和 X2_SQ 的模型是最适合数据的响应模