为什么要写这篇文章？
大数据背景下，优惠券的投放都用到了机器学习的分类模型。对于这个全新的概念，很多人一知半解。更好的使用分类模型，对优惠券发放起到了至关重要的作用。这篇文章想用最直观的语言，向企业各类人群，传达机器学习模型的在大数据营销时代的重要性。
对于分类模型（Logistic 回归、Decision Tree、Neural Networks等）的输出指标，比如 Confusion Matrix、ROC、AUC，召回率，准确率等。分析师往往向业务部门同事解释这些含义时感到头疼。如何直观的去理解这个指标含义，而不是机械的解释，是我这篇文章所要传达的目的。
什么是分类模型？
简单的说，我想发送100张优惠券，我应该发给哪些人，而且这些人会最大可能去使用这些优惠券。于是我建了一个模型，把现在的客户按照会使用的可能性打了一个分数。我觉得分数大于某个值的人，就会使用，小于某个值的就不会使用。这就是最普通的分类模型。
在建立模型的过程中，我们用过去的数据，让模型去学习，所以当模型给每个人打好分数时，我们是知道这些人中，哪些分数打对了，哪些打错了。我们用这些答对，答错的数据，来评判一个模型的好坏。
学过统计的人肯定都看过下面的图：
| Confusion Matrix | 实际1 | 实际0 |
|---|---|---|
| 预测1 | TP | FP |
| 预测0 | FN | TN |
很多人都是画出上面的图，然后手工计算各种指标：比如True Positive Rate，False Positive Rate，Presicion， Accuracy 等等，来评判模型好坏。我曾今见过一个分析师，拿着这张表格和业务部同事讲，告诉他们自己建的模型如何如何好，最后那个同事两眼无神的听了5分钟就走了。
了解True Positive Rate，False Positive Rate，ROC，AUC
例子：生病的小女孩
下图中，
- 上面那排皱眉流汗的小女孩是确实生病的；
-
下面那排流鼻涕的是没有生病的小女孩。
我们请机器人模型根据她们的化验指标判断这10个人有没有生病，机器人的诊断结果用勾和叉表示。我们看到，真正生病的女孩中，机器人找对了4个，但是有一个没有生病的小女孩，机器人觉得她是生病的。
这样我们可以算出：True Positive Rate 是 4/6 (0.67) , False Positive Rate 是¼ （0.25）
之前我们提过，机器人模型会给每个小女孩打分，然后通过分值大小判断有没有得病。
首先机器人，设定的标准是，小女孩打分在0.5以上，就判定为生病了。这样我们可以算出，
TPR，FPR分别是（0.25，0.67），我们可以把这个点画在X轴是FPR，Y轴是TPR的坐标中。
然后机器人觉得，我定的标准是不是有点高，如果换成0.4为判定标准呢？因为低了0.1，所以打分0.4的小女孩，从原来没有生病的小女孩，变成了生病的小女孩。这样我们又有了一组新的坐标
机器人想，既然我是自动化的机器人，用不同的判断标准都算一遍，应该不是难事吧。于是，无数点连城了一条曲线。ROC是图中的一条线，而AUC是ROC下面包含的面积大小，用百分百表示，区间范围在（50%～100%），通常来说AUC越大越好。
除了ROC／AUC，还有什么指标评价模型好坏吗？
LIFT 和 GAIN 图形
例子：优惠券
商家想做一个市场活动，发个8折优惠券。建模分析师为了判定自己建的模型好坏，从去年优惠券活动中随机挑选了1500个人，用模型给他们从高到低打了分。通常来说如果不挑人投放的话，这种优惠券的响应率在53%左右，下面我们看看用模型挑人的话，会怎么样？
- 以下表格推荐用PC浏览器阅读
| %dataset | 人数 | 使用人数 | 累计人数 | 累计使用人数 | 累计响应率 | LIFT 与基础响应率比值 | GAIN |
|---|---|---|---|---|---|---|---|
| 第一档10% | 15 | 130 | 150 | 130 | 87% | 1.63 | 16.3% |
| 第二档20% | 15 | 120 | 300 | 250 | 83% | 1.56 | 31.3% |
| 第三档30% | 15 | 130 | 450 | 380 | 84% | 1.58 | 47.5% |
| 第四档40% | 15 | 110 | 600 | 490 | 82% | 1.53 | 61.3% |
| 第五档50% | 15 | 100 | 750 | 590 | 79% | 1.48 | 73% |
| 第六档60% | 15 | 90 | 900 | 680 | 76% | 1.42 | 85.0% |
| 第七档70% | 15 | 30 | 1050 | 710 | 68% | 1.27 | 88.8% |
| 第八档80% | 15 | 40 | 1200 | 750 | 63% | 1.17 | 93.8% |
| 第九档90% | 15 | 30 | 1350 | 780 | 58% | 1.08 | 97.5% |
| 第十档100% | 15 | 20 | 1500 | 800 | 53% | 1.00 | 100% |
总人数：1500人，优惠券使用数800，基础响应率 80/1500 ＝ 53%
我们把1500个人，根据模型认为会使用优惠券的可能性，按打分从高到低排列，分成10档，每档150个人。
从图中看，第一档的人数是150人，其中有130人使用优惠券，响应率是87%。前面提到，不用模型挑选，活动响应率是53%，那么用模型挑选出的第一档的人群比起不用模型，提升了1.63倍（＝87%／53%）。
接下来模型定义的第一档和第二档，累计人数是300人，累计使用优惠券是250人，那么响应率是83％，这用模型定义的两档人群比起不用模型，提升了1.56倍。
再看第一档，第二档，第三档，累计人数450人。。。 以此类推。我们可以得到红色的LIFT(提升)图。其中X轴是每个档做包含的占比，Y轴是对应的提升率。
同样的，我们可以画出GAIN（获得率）图，模型挑选的第一档人群中，有130个人使用了优惠券，而总共有800个人使用，所以模型第一档的获得率是16.3%（=130/800）。第一档和第二档累计是有250个人使用，这两档的获得率是31.3%， 以此类推。。。
一个好的模型的判定标准之一，就是要大于不用模型挑选的响应率，而且越大越好。在 lift 图中，表现就是，在 Y轴对应的提升度为 1 之前，lift 一直保持较高的（大于 1 的）数值，并且曲线足够的陡峭，逐渐变小趋近1。
像我们图中的优惠券其实并不是一个很好的模型。因为在LIFT图中，第三档的圆点高于第二档的圆点，也就是说这个模型并没有把会响应的人打相对的高分，导致有些确实响应的人被模型分配去了更低的档位。
还有其他什么指标能判定吗？
我们还会计算Precision，Accuracy，计算方法如下
关于TPR，FPR等指标的其他叫法
不同的文献对于这些专业名词有不同的叫法，有些人还喜欢中英混杂，下面列出了是其他叫法：
-
TRUE POSITIVE RATE(TPR)， 其他的叫法有：覆盖率，召回率，敏感度，真阳率，Recall，SENSITIVITY,等等，当你面试的时候，面试官问，那你的模型召回率是多少啊，可千万心中别默想，我怎么从来没有听说过这个名字 （囧）。
-
FALSE POSITIVE RATE(FPR)，又叫假阳率，1- Specificity。
-
Precision 除了叫精准率之外，还有叫命中率，POSITIVE PREDICTIVE VALUE等等。
-
Accuracy 叫精确率（不要和precision混淆）。
各种指标如何应用
说了那么多，其实分类模型最重要的就是选那个划定指标（阙值／Threshold）。 但是如何挑选我们要根据实际应用，比如广告的投放预算，可承担的风险来设定。
比如：医生看病，比如非典，错诊一个的代价非常大。那这时我们需要模型的TPR尽可能高。因为我希望真正得病的人中，医生找到的比例也多。
再比如，亚马逊给每个人推荐10个产品，那这时候，我就希望模型的Precision很高，因为我希望，我推荐的产品中，确实是用户喜欢的比例高。
还有根据市场部的预算，我们可以通过Lift图，看一下哪些档的人群累计响应率高，更好的利用预算
市场部从业人员的思考
大数据环境下的优惠券发放，已经不局限于用传统的CRM理论来设计场景。想要在如今赢的更多的利润，获得更多的市场份额，大数据的思维必不可少。
传统企业的从业人员应该剔除固有思维，在企业内部开始形成全面的数据流转，存储机制，并且积极参与大数据的应用，才能做大自己的蛋糕。
网友评论