该案例的工作流如下：

1、商业目标

业务理解：该案例所用的数据是一份关于电信客户流失的数据，如下：

表1：数据视图
其中，该数据表中一共有42个字段，而流失是记录的用户是否已经流失。
业务目标：建立交互式存量维系营销系统，系统会定期输出流失风险较大的用户名单以及这批用户的特征，为用户的维系提供决策支持。
数据挖掘目标：建立现存用户的流失风险评估模型，该模型以用户的信息指标为输入，以流失为目标，建立预测评估模型，该模型可以根据输入指标的值，计算预测值（流失）及流失概率。

2、数据准备

这里主要介绍如何优化输入。

第一步，使用CSV导入节点读取数据。配置如下：


第二步，筛选缺失字段。
首先，使用统计节点分析字段缺失情况，配置如下：


其次，使用列过滤节点过滤统计输出表中不相关的字段，配置如下：


再次，使用Java代码段（简单）节点生成缺失比例字段，配置如下：


再使用排序节点对缺失比例字段降序排列，配置如下：


进而使用行过滤节点过滤缺失较严重的字段，配置如下：


使用列过滤节点对字段过滤，仅保留一个，配置如下：


预览数据如下：


最后，使用转置节点，将上表转置如下：


第三步，筛选不相关或者相关性较弱的字段。
首先，使用线性相关节点分析字段相关性，配置如下：


其次，使用列过滤节点，只保留流失字段。配置如下：


再次，使用行过滤节点，只保留相关性在-0.2~0.2之间的记录。


数据预览如下：


再使用转置节点，将上表转置如下表所示，表中为要过滤的相关性较弱的字段：


第四步，优化输入。
首先，使用参考列过滤节点从原表中过滤与目标变量（流失）相关性弱的字段。参考列过滤节点第一个输入端口连接原始数据（42个变量），第二个输入端口连接要过滤的相关性弱的表（26个变量）。过滤之后原表中的数据剩余16列。
其次，使用参考列过滤节点从刚刚过滤后剩余表过滤缺失较严重的字段。参考列过滤节点第一个输入端口连接刚刚过滤剩余数据表（16个变量），第二个输入端口连接要过滤的缺失较严重的表（4个变量）。参考列过滤节点配置如下图所示：


过滤之后原表中的数据剩余12列。如下所示：


第五步，使用超节点管理工作流。超节点即将众多连接的节点打包到一起。选中要封装的节点（注意节点必须是连续的）。打包成超节点后工作流如下所示：


可以通过双击超节点打开子工作流。如下所示：

3、建模

这一部分的目标是见一个可靠的预测模型。该模型可以评估客户流失的概率。

第一步，使用数值到字符串节点将流失字段从浮点型转化为字符型。节点配置如下：



第二步，使用分区节点建立训练集和测试集。节点配置如下：


第三步，以流失字段为目标变量，使用逻辑回归节点训练模型。配置如下：


第四步，使用逻辑回归（预测）节点和分类评估节点评估模型。为了界面清晰，您也可以把所有的评估节点打包成超节点，评估超节点内容如下：


整体评估结果如下表所示，整体准确率为81%。在商业中，这样的准确度已经很不错了。



对保持用户预测能力评估如下表所示，准确率91.176%，高于整体的准确率。


对流失用户预测能力评估如下表所示，准确率只有59.375%，远低于整体准确率，而实际中更关注模型对流失用户的预测能力，因此，从这里看该模型效果并不很满意。


综上所述，该模型并不十分理想。在实际中，一定要再做优化，此处就不再做优化了。

4、生成用户名单
如果为了挽留流失用户，则要生成流失用户名单。如果是为了奖励忠诚用户，则要生成忠诚用户名单。


首先，使用列重命名节点对 、 两个字段重命名。如下所示：

本文源自：http://wiki.smartbi.com.cn/pages/viewpage.action?pageId=13599823