[发明专利]一种基于逻辑回归的会员价值量化评估方法

权利要求书

1.一种基于逻辑回归的会员价值量化评估方法，其特征在于，包括：

1)获取会员原始数据；

2)对获取的会员原始数据进行预处理，获取预处理后的格式化数据；

3)对预处理后的格式化数据执行数据标注；

4)从格式化数据的原始特征中筛选出用以输入模型的有效特征；

5)构建包括变量分段、变量的WOE变换和逻辑回归估算的会员价值评估模型；

6)将步骤4)筛选后的有效特征输入构建的会员价值评估模型中，获取会员价值量化评估结果。

2.根据权利要求1所述的基于逻辑回归的会员价值量化评估方法，其特征在于，所述会员原始数据包括但不限于会员销售数据、运营数据、挂货数据、行为数据和下游买家数据。

3.根据权利要求2所述的基于逻辑回归的会员价值量化评估方法，其特征在于，所述预处理包括但不限于数据清洗、缺失值处理、异常值处理、标准化、归一化、信息量分析、数据分布和类别特征编码处理。

4.根据权利要求1所述的基于逻辑回归的会员价值量化评估方法，其特征在于，对预处理后的格式化数据执行数据标注的具体内容为：

在步骤2)处理后的数据中，基于业务需求标注部分样本数据作为训练样本，即标注用户是否为高价值会员用户，标注方法采用K-means算法。

5.根据权利要求4所述的基于逻辑回归的会员价值量化评估方法，其特征在于，步骤3)中，采用K-means算法对给定的样本集按照样本之间的距离大小进行K个簇划分，通过迭代构建最终划分类别，进而将划分后的类别标注为用户是否为高价值会员用户。

6.根据权利要求1所述的基于逻辑回归的会员价值量化评估方法，其特征在于，步骤4)中，采用方差分析、相关系数法、卡方检验法、信息熵、基尼系数、过滤法或嵌入法对格式化数据的原始特征中筛选出用以输入模型的有效特征。

7.根据权利要求1所述的基于逻辑回归的会员价值量化评估方法，其特征在于，步骤5)中，基于Logistic Regression进行变量分段、变量的WOE变换和逻辑回归估算的会员价值评估模型的构建，模型迭代和优化阶段采用人工智能框架进行全局搜索和优化。

8.根据权利要求7所述的基于逻辑回归的会员价值量化评估方法，其特征在于，所述逻辑回归采用线性回归。

9.根据权利要求8所述的基于逻辑回归的会员价值量化评估方法，其特征在于，构建线性回归模型并设定预测结果的评估范围，根据输入的有效特征数据，若预测结果大于或等于0.5，则评估结果的分数为1，若预测结果小于0.5，则评估结果的分数为0。

10.根据权利要求5所述的基于逻辑回归的会员价值量化评估方法，其特征在于，采用K-means算法对用户是否为高价值会员用户的标注过程中引入有自动化工具pycaret。