1700501031
1700501032
❑不容易受数据中极端值（异常值）的影响。
1700501033
1700501034
❑可以同时对付数据中线性和非线性的关系。
1700501035
1700501036
❑决策树通常还可以作为有效工具来帮助其他模型算法挑选自变量。决策树不仅本身对于数据的前期处理和清洗没有什么特别的要求和限制，它还会有效帮助别的模型算法去挑选自变量，因为决策树算法里结点的自变量选择方法完全适用于其他算法模型，包括卡方检验、Gini指数、信息增益等。
1700501037
1700501038
❑决策树算法使用信息原理对大样本的属性进行信息量分析，并计算各属性的信息量，找出反映类别的重要属性，可准确、高效地发现哪些属性对分类最有意义。这一点，对于区间型变量的分箱操作来说，意义非常重大。关于分箱操作，请参考本书8.5.3节。
1700501039
1700501040
1700501041
1700501042
1700501043
数据挖掘与数据化运营实战：思路、方法、技巧与应用 [:1700497622]
1700501044
数据挖掘与数据化运营实战：思路、方法、技巧与应用 10.2.6 决策树的缺点和注意事项
1700501045
1700501046
事物都是具有两面性的，有缺点不可怕，关键在于如何扬长避短，数据分析师不仅要清楚知道决策树的缺点，更需要掌握相应的注意事项，才可能取长补短，达到事半功倍的效果。
1700501047
1700501048
❑决策树最大的缺点是其原理中的贪心算法。贪心算法总是做出在当前看来最好的选择，却并不从整体上思考最优的划分，因此，它所做的选择只能是某种意义上的局部最优选择。学术界针对贪心算法不断进行改进探索，但是还没有可以在实践中大规模有效应用的成熟方案。
1700501049
1700501050
❑如果目标变量是连续型变量，那么决策树就不适用了，最好改用线性回归算法去解决。
1700501051
1700501052
❑决策树缺乏像回归或者聚类那样的丰富多样的检测指标和评价方法，这或许是今后算法研究者努力的一个方向。
1700501053
1700501054
❑当某些自变量的类别数量比较多，或者自变量是区间型时，决策树过拟合的危险性会增加。针对这种情况，数据分析师需要进行数据转换，比如分箱和多次模型验证和测试，确保其具有稳定性。
1700501055
1700501056
❑决策树算法对区间型自变量进行分箱操作时，无论是否考虑了顺序因素，都有可能因为分箱丧失某些重要的信息。尤其是当分箱前的区间型变量与目标变量有明显的线性关系时，这种分箱操作造成的信息损失更为明显。
1700501057
1700501058
1700501059
1700501060
1700501061
数据挖掘与数据化运营实战：思路、方法、技巧与应用 [:1700497623]
1700501062
数据挖掘与数据化运营实战：思路、方法、技巧与应用 10.3 逻辑回归技术的实践应用和注意事项
1700501063
1700501064
回归分析，在此主要是指包括逻辑回归技术和多元线性回归技术，是数量统计学中应用最广泛的一个分析工具，也是数据分析挖掘实践中应用得最广泛的一种分析方法（技术）。尽管从狭隘的界定来看，回归分析技术属于统计分析的范畴，但是正如本书开头所阐述的那样，绝对地划清统计分析和数据挖掘的界线，对于数据分析挖掘实践来说是没有任何意义的。只要能解决实际的业务问题，只要能提升企业的运营效率，它就是好技术，况且目前在数据挖掘实践中也大量应用回归分析技术。因此，本节将专门讨论逻辑回归技术。
1700501065
1700501066
数据挖掘与数据化运营实战：思路、方法、技巧与应用 [:1700497624]
1700501067
10.3.1 逻辑回归的原理和核心要素
1700501068
1700501069
当目标变量是二元变量（即是与否）的时候，逻辑回归分析是一个非常成熟的、可靠的主流模型算法。
1700501070
1700501071
对于二元（是与否）的目标变量来说，逻辑回归的目的就是要预测一组自变量数值相对应的因变量是“是”的概率，这个概率P是介于[0,1]之间的。如果要用线性回归方法来进行概率计算，计算的结果很可能是超出[0,1]范围的。在这种情况下，就需要用到专门的概率计算公式了，或叫Sigmoid函数，其计算公式如下：
1700501072
1700501073
1700501074
1700501075
1700501076
上述概率算法可以确保二元目标变量的预测概率P是介于[0,1]之间的。
1700501077
1700501078
其中，β0是常数，β1到βk是自变量x1到xk各自所对应的系数。
1700501079
1700501080
按上述公式应用后的Sigmoid分布曲线如图10-2所示。