Validarea modelului, potrivirea și predicția

Machine Learning pentru Analiză de Marketing în R

Verena Pflieger

Data Scientist at INWT Statistics

Coeficientul de determinare $R^2$

Machine Learning pentru Analiză de Marketing în R

$R^2$ și testul F

summary(multipleLM2)

Residual standard error: 13.87 on 4179 degrees of freedom
Multiple R-squared:  0.3522,    Adjusted R-squared:  0.3504 
F-statistic: 206.5 on 11 and 4179 DF,  p-value: < 2.2e-16
Machine Learning pentru Analiză de Marketing în R

Supraajustare

Machine Learning pentru Analiză de Marketing în R

Metode pentru evitarea supraajustării

  • AIC() din pachetul stats
  • stepAIC() din pachetul MASS
  • Validarea modelului pe date noi
  • Validare încrucișată
  • ...
AIC(multipleLM2)

33950.45
Machine Learning pentru Analiză de Marketing în R

Noul set de date clvData2

head(clvData2)

# A tibble: 6 x 14
  customerID nOrders nItems daysSinceLastOrder margin returnRatio 
       <int>   <int>  <int>              <int>  <dbl>       <dbl>         
1          2      16     40                  2  57.62        0.18
2          3       1      5                124  29.69        1.00
3          4      15     30                 68  56.26        0.16
4          5      23     41                103  58.84        0.03
5          6       2      4                104  29.31        0.00
6          7       6     10                 41  35.72        0.06
#... with 8 more variables: shareOwnBrand <dbl>, shareVoucher <dbl>,
#  shareSale <dbl>, gender <chr>, age <int>, marginPerOrder <dbl>,
#  marginPerItem <dbl>, itemsPerOrder <dbl>
Machine Learning pentru Analiză de Marketing în R

Predicție

predMargin <- predict(multipleLM2, 
                      newdata = clvData2)
head(predMargin)

       1        2        3        4        5        6 
51.10204 31.63335 51.90008 52.62200 36.65194 33.84383

mean(predMargin, na.rm = TRUE)

33.95147
Machine Learning pentru Analiză de Marketing în R

Concluzii regresie liniară

Concluzii regresie liniară
Ați învățat... să prognozați valoarea viitoare a clientului
să utilizați regresia liniară pentru a modela o variabilă continuă
că variabilele pentru modelare și predicție trebuie să aibă același nume
Machine Learning pentru Analiză de Marketing în R

Concluzii din model

Concluzii din model
Ați învățat... că marja dintr-un an este un bun predictor pentru marja din anul următor
cu cât este mai mare intervalul de la ultima comandă, cu atât marja așteptată este mai mică
caracteristici precum genul și vârsta nu par să influențeze predicția marjei
etc...
Machine Learning pentru Analiză de Marketing în R

Hai la practică!

Machine Learning pentru Analiză de Marketing în R

Preparing Video For Download...