银行电话营销选特征：互信息13个特征略胜，敏感性分析9个特征更省！
Mutual information and sensitivity analysis for feature selection in customer targeting: a comparative study
📖 AI 总结
该研究对比了互信息与基于数据的敏感性分析两种特征选择方法在银行电话营销客户定向场景中的应用效果。通过逻辑回归模型评估，互信息筛选出13个关键特征，而敏感性分析仅需9个特征。结果显示，敏感性分析在低误报率下表现更优，而互信息在高误报率区间略占优势。若银行管理者希望在不大幅损失成功案例的前提下适度降低联系成本，互信息是更稳妥的选择。研究同时表明，尽管互信息并非新技术，在特征选择中仍具实用价值；而敏感性分析则以更精简的特征集实现了良好的预测性能，为实际应用提供了灵活的方法参考。
🔑 关键词速览
| Feature selection | 特征选择，从原始特征集中挑选出对预测目标最有影响的子集的过程。 |
| Mutual information | 互信息，衡量两个变量之间相互依赖程度的统计量，用于评估特征与目标变量的关联性。 |
| Data-based sensitivity analysis | 基于数据的敏感性分析，一种通过分析输入变化对输出影响来识别关键特征的方法。 |
| Logistic regression | 逻辑回归，一种用于二分类问题的统计模型，常用于预测事件发生的概率。 |
| Telemarketing | 电话营销，通过电话联系潜在客户以推广产品或服务的营销方式。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅