44、统计与机器学习数据挖掘：模型、策略与数据处理

统计与机器学习数据挖掘：模型、策略与数据处理

1. 营销策略中的关键特征与调整

在制定包容性营销策略时，年龄（AGE）是一个显著特征。因此，“年龄”信息必须进行策略性调整，以适应第 1 至 6 分位数（模型实施的典型范围）内的个体。具体调整如下：
| 分位数 | 调整策略 |
| ---- | ---- |
| 2 | 营销策划者必须在“年龄”信息中加入收入（INCOME）因素 |
| 4 和 6 | 营销策划者必须以年龄为基调，重点关注性别（GENDER） |
| 5 | 营销策划者必须在“年龄”信息中加入性别因素 |

2. 回归模型中变量重要性的评估方法

2.1 传统方法的局限性

传统上，使用原始回归系数的大小或标准化回归系数（SRC）来确定模型中哪些变量是最重要的预测因子。然而，这两种系数都不能完美地对预测变量进行重要性排序。原始回归系数没有考虑变量单位的不平等性，而当变量相关时（在数据库应用中几乎是普遍情况），SRC 在理论上存在问题。

2.2 标准化回归系数的作用

基于 SRC 的排名可以提供有用的信息，且不会产生复杂的结果。一个未被广泛认知的假设是，随着预测变量之间的平均相关性降低，基于 SRC 的排名可靠性会增加。因此，对于构建良好、预测变量之间相关性最小的模型，这种排名方法是一种被接受的做法。

2.3 预测贡献系数（PCC）的优势

预测贡献系数（PCC）比 SRC 提供了更多有用的信息。它可以在模型性能的分位数水平上对预测变量进行排名，并能识别一种新定义的预测变量类型——关键驱动因素。通过一个小数据集