数据分析常见的四大预测模型

分类模型

顾名思义，分类模型主要运行方式为：根据从历史数据中学到的信息将数据分类。

分类模型最好回答是或否的问题，提供广泛的分析，有助于指导果断的行动。

它可以回答以下一些问题：

1.“这个顾客会流失吗？”

2.“这笔贷款要批准吗？”

3.“此申请人是否有可能违约？”

4.“这个西瓜是好瓜吗？”

分类模型具有广泛的可能性，以及通过新数据对其进行再培训的简便性，意味着它可以应用于许多场景和行业。

聚类模型

聚类运行模式为：将具有相同特征的人或者物品放在同一个组中。

例如：某电商公司希望为其客户实施有针对性的营销活动。

最简单的方式，我们可以根据之前学到的RFM模型人为的进行用户切割。

但有的时候，我们手上可能有成百上千的用户标签，人为的一个一个划分显然是不可能的。所以我们就可以使用聚类模型，根据共同特征将客户快速分为相似的组，并针对每个组制定策略。

预测模型

预测模型是使用最广泛的预测分析模型之一，简单而言，就是用历史数据去预测未来！

这个模型可以应用于任何有历史数值数据的地方包括但不限于：

1. 每一个用户可能流失的概率

2. 呼叫中心可以预测每小时将收到多少个电话，从而招聘多少接线员

3.奶茶店可以计算出他们应该保留多少库存以

满足特定销售期间的需求

但历史一定能反应未来吗？这是我们需要思考的问题！

时间序列模型

时间序列模型包括捕获的数据点的序列，使用时间作为输入参数。它使用去年的数据来制定数字指标，并使用该指标预测接下来的一段时间的数据。

本质上，其和预测模型有一定相似的地方。但它仅仅考虑从是角度，去看预测未来的变化。