如何进行逻辑回归和随机森林预测客户流失率答案

【问题标题】：how to carry out logistic regression and random forest to predict churn rate如何进行逻辑回归和随机森林预测客户流失率
【发布时间】：2016-01-29 08:41:12
【问题描述】：

我正在使用以下数据集：http://www.sgi.com/tech/mlc/db/churn.data

以及变量描述：http://www.sgi.com/tech/mlc/db/churn.names

我做了初步编码，但我真的无法弄清楚如何对这些数据执行逻辑回归和随机森林技术来预测变量和流失率的重要性。

nm <- read.csv("http://www.sgi.com/tech/mlc/db/churn.names",
               skip=4, colClasses=c("character", "NULL"), header=FALSE, sep=":")[[1]]
nm
dat <- read.csv("http://www.sgi.com/tech/mlc/db/churn.data", header=FALSE, col.names=c(nm, "Churn"))
dat
View(dat)
View(dat)
library(survival)
s <- with(dat, Surv(account.length, as.numeric(Churn)))
model <- coxph(s ~ total.day.charge + number.customer.service.calls, data=dat[, -4])
summary(model)
plot(survfit(model))

我也无法弄清楚如何使用我在进一步分析中建立的模型。

请帮帮我。

【问题讨论】：

标签： r svm random-forest logistic-regression

【解决方案1】：

您是否有任何示例代码来说明您正在尝试做什么？您计划进行哪些进一步的分析？如果你只是想对数据进行逻辑回归，一般格式是：

lr <- glm(Churn ~ international.plan + voice.mail.plan + number.vmail.messages
          + account.length, family = "binomial", data = dat)

试试help(glm) 和help(randomForest)

【讨论】：