我正在尝试确定我是否可以使用逻辑回归作为预测模型，通过拥有预测变量来估计用户在CRM中的响应概率，并且我也拥有类别（拒绝者，而不是拒绝者），但是事实是，我不想估计干扰的可能性，因为我已经知道了反对者，我已经上课了，而且我将永远拥有它。我当时的想法是训练模型，使用给定预测变量的概率，然后研究系数的行为以了解其如何影响概率。我会定期获取数据，但总是要上课，所以每次获得数据标签时训练模型都是可以的（因为每次训练模型时我们都要做出决策，所以数据应该改变，系数也要改变） ），那么结果就是系数的值和对概率的影响，而不必对看不见的数据应用模型？
基本上，我想知道这在统计意义上是否有效，以及这是否可能对企业产生良好的结果，因为他们想知道的是我们捕获的自变量如何影响客户说的结果他们不会建议您使用该产品。
非常感谢高级人员，如果我说些愚蠢的话，对不起，我还不是数据科学专家。刚刚开始。
答案 0 :(得分：0)
如果对系数进行归一化，则可以通过查看系数来获得一些想法。然后，系数的归一化值将告诉您该因素与其他因素相比对目标变量的影响有多大