数据挖掘/分析调查中对多项选择问题的回答

Question

我有一套训练数据，包括20个多项选择题（A / B / C / D），由100名受访者回答。答案纯粹是绝对的，不能缩放到数值。其中50名受访者被选中进行免费产品试用。选择过程尚不清楚。可以从这些信息中挖掘出哪些有趣的知识？

以下列出了我迄今为止所提出的内容 -

• 百分比研究（例子 - 在Qs.5上回答B并被选中进行免费产品试验的人的百分比）
• 条件概率（示例 - 考虑到他在Qs.5上回答了B，一个人被选中进行免费产品试验的概率是多少）
• 朴素贝叶斯分类器（可用于预测是否为任何问题子集的一组给定值选择某人）。

您能想到可以执行的任何其他有趣的分析或数据挖掘活动吗？

由于反应无法量化/可评分，因此可以消除相关性等常见嫌疑。

我的方法是否正确？

Answer 1

这是一种逆向工程。

对于每位受访者，您有20个答案和一个标签，表明该受访者是否接受了产品试用。

您想知道20个问题中的哪一个对give trial or not决定至关重要。我建议你首先在训练数据上建立一个决策树模型。并仔细研究树以获得一些见解，例如低级决策节点包含最多的判别问题。

Answer 2

为了分析目的，可以将答案设为数字，例如：

RespondentID  IsSelected  Q1AnsA  Q1AnsB  Q1AnsC  Q1AnsD  Q2AnsA...
12345         1           0       0       1       0       0

1. 使用关联分析查看答案中是否有模式。

Q3AnsC + Q8AnsB - ＆gt; IsSelected

1. 使用分类（例如逻辑回归或决策树）来模拟用户的选择方式。

2. 使用群集。是否有不同的受访者群体？他们在哪些方面有所不同？使用“elbow”或scree方法确定簇的数量。

3. 您是否有其他有关受访者的信息，例如受众特征？在这种情况下，数据透视表会很好。

4. 是否缺少数据？是否存在人们跳过问题的模式？