實作練習。
以 KNIME 建立並比較顧客流失分類模型，並以跨產業資料探勘標準流程（Cross-Industry Standard Process for Data Mining, CRISP-DM）組織報告。
資料約含 1,000 位顧客的留存／流失行為，需要比較至少三個預測模型。
| 原書設定 | 內容 |
|---|---|
| 資料集 | CustomerChurnData.csv |
| 顧客 | 約 1,000 位 |
| 任務 | 留存／流失分類 |
| 模型 | 至少比較 3 種 |
| 工具 | KNIME；可用 Excel 進行資料前處理 |
可比較決策樹、神經網路、支援向量機（Support Vector Machine, SVM）、k 最近鄰、羅吉斯迴歸等至少三種；Excel 可用於資料前處理，KNIME 用於建模。
CustomerChurnData.csv 未包含於目前 aBook12A 正文，因此不生成模型表現數值。
重點是以同一資料與評估架構比較模型，而非只展示單一演算法；最終報告應依跨產業資料探勘標準流程六階段組織。
在 CustomerChurnData.csv 可用時，比較至少三個分類模型，使用一致的評估標準；若資料未提供，不得模擬結果。
問題： 若準確率接近，管理者還應比較什麼？
參考解答： 可進一步比較不同 效能指標、可解釋性與部署可行性；具體判斷需依資料與商業目標。