客户旅程的二元分类

Posted 2023-03-12

【中文标题】客户旅程的二元分类

【英文标题】：Binary categorial classification of customer journey

【发布时间】：2019-06-07 19:33:13

【问题描述】：

我想开发一个模型，可以对客户旅程的二元性质进行分类（1 表示旅程已完成购买，0 表示没有购买（“jrn_type”列）。旅程由渠道组成，如如下图数据所示（从 1 到 7 的列）。

哪种模型最适合数据？

【问题讨论】：

似乎你在最后四列中有很多 nan 值，对于所有数据集都是一样的。型号的选择，没有golden-rule，但是你可以先试试regression，naive-bayes这样很简单的型号，如果能解决你的问题，再换一个型号。

是的，我有很多nan，因为每个旅程都有不同数量的频道，空值表示旅程已终止。我认为nan 是我频道课程的附加课程。

我怀疑这是否可行，因为它会导致您的模型出现偏差，但您可以尝试一下。

你会如何处理它？有什么想法吗？

其实不了解完整的问题是很难猜出来的。

【参考方案1】：

朴素贝叶斯是一种简单但有效且常用的机器学习分类器。它是一个概率分类器，在贝叶斯设置中使用最大 A 后验决策规则进行分类。根据您的数据，您最好使用朴素贝叶斯模型。 逻辑回归始终是一个很好的备用方法，决策树会对您的数据进行分类，但不如朴素贝叶斯。 最后，我建议您使用交叉验证方法来验证您的模型，以确保您已经很好地学习了模型。

【讨论】：

您好，我尝试了不同的分类器，正如您所建议的，朴素贝叶斯已达到特征测试集的最佳准确度，准确率为 74%。如何使用这种类型的分类器提高我的准确率？