前段时间项目组进行高等级段玩家流失研究，对应进行了数据分析，同时也应童鞋要求，利用数据挖掘的方法尝试流失研究。
高等级玩家流失，对应就是数据挖掘领域中的二元分类问题（是否流失）。我们想从现有数据中探索可能影响玩家流失的因素，作为后续工作的基础。我打算用R语言[party]包(http://cran.r-project.org/web/packages/party/index.html)中的ctree模块实现二元分类，考虑用决策树进行分类，主要是基于以下几个原因。1、玩家流失分类属于不平衡分类。游戏中流失玩家的比例可能高达70%~90%，而留存玩家仅占10%~30%。2、游戏的特殊性，部分流失玩家和留存玩家的行为一致，即数据上重合，这部分噪声数据会影响结果。3、对于数据挖掘算法，我更偏向可解释性。对游戏数据挖掘结果，不应该苛刻精度，更应注重后续的扩展性。如果无法解释原因，对游戏的后续改进意见也很难进行。决策树解释直观简单，正好满足这个要求。
流失数据的挖掘结果，跟我预想大致相同。数据将玩家分为3大类。一类是重度参与玩家，这类玩家流失比例很低；一类是轻度参与玩家，这类玩家流失比例很高，这两类玩家通过决策树可以进行很好的区分。剩下的是中型玩家，也就是上面说的数据重合的玩家。对于这部分玩家，决策树分类的结果不是很好，这个也在清理之中。
这个结果，我还是比较满意的。游戏中的数据可能无法完全随机（因为策划设定的影响），数据在某个点特别集中。而我们训练的决策树各个影响因素的阈值（即决策树的各个节点）大部分跟策划设定的数值一致，这从侧面也验证决策树的可靠性。