邏輯迴歸模型建模步驟

1，構建所需的數據集，根據實驗的窗口，構建邏輯迴歸數據結構，例如 用過去12個月數據 做購買率的模型訓練，這部分包含訓練數據集與測試數據集

2、變量的轉化與預處理。

其中去掉缺失值較多的變量，購買率分佈較集中的變量，即購買概率的變化不隨自變量變化而變化的變量，即數值集中程度較高的變量。與Y不相關的變量。

3、變量的刪選（特徵工程）（caret包）

將高維即數量太龐大的自變量羣，降維致較少的變量組合，（例如降至80以下 或者20左右），這部分步驟主要來降維的同時，期望消去變量之間的共線性，相關性等因素

4、模型的構建（glm 包/step() )

根據實際商業的目的，挑選第三步後剩下的變量，並調參，找到是整個系統平滑穩定的變量組合，例如10個變量，其中每個變量權重期望分佈均勻，且滿足模型其他各項基本指標，如C值 AUC等。

5、模型的評估 與描述

將構建完成的模型，將所有客户的購買率給出，並從高到低排序，總人羣均分為10類 。輸出模型結果 其中理想效果是 ：購買率高的客户羣為總體平均購買率人羣的兩倍既兩倍以上，即高的購買率是總體平均購買率的兩倍。