乎出现了 个主要操作添加朋友发布更新和 喜欢 事物。我们认为这 项活动可能会让某人坚持 个月。 上面概述的方法是找到显着和明显相关性的非常简单的方法。要更深入地挖掘并发现隐藏的相关性，您可以使用一些很棒的工具和旧技术 寻找相关性的工具和技术 有一些可靠的统计技术可用于查找相关指标。其中之一，逻辑回归，由 在 线程上提出并概述 大卫库克 大卫 库克： 要计算逻辑回归，您需要组织历史数据，使每一行都是一个用户这些列适用于您拥有数据的。
每个解释变量确保您
有一个包含二进制变量的列，用于确定它们是否转换。一些解释变量可能是虚拟变量。例如可能有一个专栏，用于在 天内达到 个朋友的用户。成功完成此目标的用户获得 ，其他所有人获得 。 获得这种格式的数据后，您可以使用 用于统计计算 真实手机号码列表 的 项目中的 函数广义线性模型来计算回归。这将为您提供每个解释变量的系数和显着性水平。如果变量对您的因变量没有明显影响，则它们是微不足道的。 图片来源 图片来源 但也有一些工具可以使这变得容易得多有用的工具以及。
如何使用它们 的联合创
始人兼首席运营官 推荐了一种名为 的工具来进行此类计算 瑞安 法利： 我最喜欢的确定数据集相关性和预测能力的工具是 。 您需要做的就是上传一个表格数据集，其中包含您的输入和您想要预测的变量（即转换），然后构建预测模型。从那里，他们向您展示了所有变量的单变量分析，因此您可以查看是否有相关的东西突出。然后 会为您构建不同的机器学习模型，并推荐最好的模型。 此外，它还会向您显示哪些因素最能预测您想要的结果。无论是变量 ER 列表 形式 在一天中 小时内购物的。
