これまでの動画では、サンプル内適合と過学習の問題について見てきました。では、過学習の主な原因は何でしょうか？
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
どの顧客がビジネスにとって最も価値が高いか、どのように判断しますか。線形回帰を使って顧客生涯価値をモデリングする方法を学びます。
顧客が離反するかどうかを予測することは、価値の高い顧客を見極め、離反リスクのある顧客を維持するうえで重要です。ロジスティック回帰を使って顧客離反をモデリングする方法を学びます。
現在の演習
生存分析を用いて、あるイベントまでの時間をモデリングする方法を学びます。たとえば、次回の注文までの時間や、顧客が離反するまでの時間などです。
CRMデータは非常に広範になりがちです。収集する各指標には、顧客に関する興味深い情報が含まれている可能性があります。しかし、変数が多すぎるデータセットの扱いは難しいものです。主成分分析を使って、データ内の変数の数を減らす方法を学びます。これはデータの理解を深めるだけでなく、多くの相関した変数を含む回帰分析における多重共線性の問題を解消し、情報を単一の指標に集約することも可能にします。
