如何解决如何在python中构建Nps的关键驱动因素分析？
| NPS 产品 | 时间 | 质量 | 舒适 |
|---|---|---|---|
| 8 | 6 | 7 | 8 |
| 6 | 4 | 3 | 7 |
| 2 | 3 | 7 | 8 |
我必须找到其他变量对 nps 产品的影响。我尝试使用 sklearn 进行线性回归，但 R2 非常低。
解决方法
对于回归，您的特征集或自变量必须至少按区间缩放，这意味着数据点的差异必须有意义。在您的情况下，所有数据点都按顺序排列，即顺序有意义但差异没有意义。您可以尝试对有序数据使用 Spearman 的等级相关性。检查这个 https://towardsdatascience.com/discover-the-strength-of-monotonic-relation-850d11f72046
否则你可以尝试序数回归
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
