一、Logistic回归
与多元线性回归不同，logistic回归可以用来解决分类问题，其中二项Logistic回归通常可以解决是否购买、是否流失等二分类问题，而多项Logistic回归可以用于多分类的操作。本篇先介绍二项的logistic回归
1.1为什么Logistic回归可以用来解决分类问题？
回顾多元线性回归问题的经验，可以发现多元线性回归的目标是数值型变量，假定为y，y的取值范围是全体实数，即
y = 𝛽1+𝜔2𝛽2+𝜔3𝛽3+⋯+𝛼
当目标函数是（二）分类变量时，y的取值是{0,1}这样一个集合，无法用权重和偏差来表示，即等号不成立，为了使y成为一条线性函数，需要经历以下变换：
①令u = p（y = 1）/ 1 - p（y = 1），此时u的取值范围是【0，+∞】————（p是指概率）
②对u取对数，令Y= ln u，此时Y的取值范围就是【-∞，+∞】，可以使等号成立了，这就是Logistic变换
1.2Logistic回归的统计检验
1、-2对数似然值(-2 log likelihood, -2LL) ————检验回归方程的显著性，取值范围【0,1】，数值越大方程越显著
2、回归系数的检验 —————————————Wald检验
3、回归方程拟合优度的检验 —————————Cox&Snellp R2统计量、Nagelkerkep R2统计量（修正的）、混淆矩阵
二、数据转化
2.1数据输入
此步骤用于读取数据
添加“类型”节点以定义字段，从而确保所有测量级别都已正确设置。例如，大多数值为 0 和 1 的字段都可以用作标志字段，但某些字段，比如性别，作为包含两个值的名义字段会更加准确
将流失字段 chum 级别设置为目标，其他所有字段设置为输入
2.2数据过滤
数据集一共有42个字段，此步骤用于排除一些无关变量，以便得到更优的结果
为“类型”节点添加“特征选择”模型，可以用来删除不能为目标函数添加任何有用信息的变量（无关变量）
进一步的，打开“特征选择”模型，选择“生成”，点击“过滤”，从而生成过滤节点，在对话框中，选择所有已标记的字段：重要，以上操作可以实现仅选择被认为很重要的数据来用作预测变量
2.3数据审核
此步骤检查数据是否具有异常值、缺失值
将“数据审核”节点添加到生成的过滤节点中，在“数据审核”浏览器的“质量”选项卡上，单击完成百分比列以便按数值升序顺序对此列进行排序。这样就可以识别所有含有大量缺失数据的字段；在本示例中，唯一需要修改的字段是 logtoll ，其完成值比例小于 50%
在缺失插补列中，单击指定 ，对于 插补条件 ，选择 空白值和空值 ，对于固定值，选择 平均值 ，选择 平均值 可确保插补值不会反过来影响总数据中所有值的平均值
在“数据审核”的“质量”选项卡上，生成缺失值超节点，在“缺失值超节点”对话框中，将样本大小增加到 50%，然后单击确定，超节点将显示在流画布中，其标题为：缺失值插补，将超节点附加到过滤节点
三、二项Logistic回归
在建模选项卡中添加logistic节点，在 Logistic 节点上，单击“模型”选项卡并选择二项过程。在 二项过程 区域，选择 向前步进 法
在“专家”选项卡上，选择专家模式，然后单击输出。此时显示“高级输出”对话框。在“高级输出”对话框中，选择在每个步骤作为显示类型。选择 迭代历史记录 和 参数估计 ，然后单击 确定
在 Logistic 节点上，单击运行创建模型，在结果模型中，点击 高级 选项卡，重点关注分类表（Classification Table）
向前步进法从空模型（即，没有预测变量的模型）开始，可以将此空模型用作与最终构建的模型进行比较的基础。按照惯例，此空模型会将所有值都预测为 0，因此其准确度为 72.6%，这完全是因为已正确预测到 726 个未流失的客户。但是，根本没有正确预测到已流失的客户
此分类表显示了在每个步骤中添加预测变量之后模型的结果。在第一个步骤中（在仅使用了一个预测变量之后），模型预测流失的准确性就已从 0.0% 增加到 29.9%
分类表显示步骤 8 为最后一步。在此阶段，算法已确定不再需要向模型添加任何其他预测变量。虽然预测非流失客户的准确性有所下降，达到了 91.2%，但预测已流失客户的准确性却从原来的 0% 上升到了 47.1%。这相比原来不使用任何预测变量的空模型其有效性显著提高
观察总体模型的统计检验中的 Nagelkerke R2列，发现随着预测模型的逐步加入，变量的显著性也逐渐提高
