郑淞元

（浙江省杭州学军中学，浙江杭州，310000）

0 引言

存款营销是银行吸收存款的主要经营模式，通过对银行历史营销数据进行建模，利用模型去判断一个潜在客户是否会有存款业务，从而帮助银行提高营销成功率和营销效率，更好的分配人力资源，节省成本。本文将使用spark框架中的逻辑回归实现，按照数据分析的步骤，分析银行营销数据，建立逻辑回归模型，预测客户是否会存款，并提出建议。

1 逻辑回归算法

■1.1 逻辑回归的原理

逻辑回归是一个有监督机器学习算法中的分类算法。通常是利用已知的特征变量来预测一个离散型目标变量的值(如0/1，是/否，真/假)。通过逻辑回归拟合得到结果变量值是一个概率值(0-100%),根据概率值的大小和根据业务场景确定的分类阈值,映射为最终预测目标变量的分类值,如:概率值大于等于50%,映射目标变量分类值为1；概率值小于50%，映射目标变量分类值为0。

■1.2 逻辑回归与线性回归

线性回归的基本思路是对多维空间中存在的样本点，用特征的线性组合去拟合多维空间中点的分布和轨迹，公式如下：z=θ0 +θ1x1 +θ2x2 +θ3x3......+θnxn=θTx；

2 特征工程

■2.1 特征工程概述

特征工程是对原始数据进行加工，提取满足算法和模型要求的特征变量。特征工程包括特征提取、特征转换、降维等操作。Spark提供了多种特征工程算法的实现。本验中，我们使用了StringIndex 和 OneHotEncoder 两种特征转换算法。

■2.2 StringIndex编码

StringIndex是指把一组字符型标签编码成一组数值型标签索引，索引的范围为0到标签数量。索引构建的顺序为标签的频率，优先编码频率较大的标签，即出现频率最高的标签为0号。……