我们都知道运营商都会有一些包月套餐，比如50元包含 XX主叫分钟数、XX流量，然后80元又包含 XX主叫分钟数、XX流量，如此类推有二十多种套餐。
这里面就包含三个信息：消费金额、通话分钟数、流量。目前已有一些客户开通了这些套餐，也就是这些客户的套餐类型（分组）、消费金额、通话分钟数、流量信息都知道。
如何将未开通套餐的客户通过消费金额、通话分钟数、流量等信息将其归类到以上的二十多种套餐中呢？
按照一般的处理应该是根据已有客户的信息：以套餐作为分组变量，以网龄、消费金额、通话分钟数、流量作为自变量，通过判别分析法，建立判别函数。
但我根据此方法得到了4个典则函数（function），最后训练样本的分类结果不太好，有些分组的训练结果只有10%一下会分到其本来的类，最高的分组也只有70%多。
我的疑问是：
1、为何误判率这么高、原始数据的误判率如此高是否会影响建模？是否我的分类太多？
2、既然各个套餐（分组）的分组标准如此准确（有确切的消费金额、通话分钟数、流量），是否有方法直接根据套餐的信息建立模型，然后将未开通套餐的客户代入模型来分类？

求大侠帮忙，谢谢！