学习如何预测未来客户的历史行为

我有一个数据集，其中包含来自客户的访问历史记录。学习如何预测未来客户的历史行为

它有三列数据集，包括客户ID，AM/PM（AM或PM访问）和Weekday/Weekend（工作日或周末访问）。

我想从这个数据集中学习，并选择在指定输入（如AM/Weekday）中访问次数最多的前50位客户。现在，我使用一类SVM（我只有积极（访问）数据）为每个客户创建模型。由于一类SVM只有二进制输出，因此我只能告诉某个客户将访问或不输入指定的输入，而不是选择前50名客户。

我想知道是否有一个算法，可以从一个积极的唯一数据集中学习，并给出得分或概率，如输出？

来源

2016-04-28 Tommy Pai

这是一个足以Data Science Stack Exchange（http://datascience.stackexchange.com/）的问题。你可能会在那里得到更多的专业意见你也可以看看这个：https：//pkghosh.wordpress.com/2015/07/06/customer-conversion-prediction-with-markov-chain-classifier/ – armatita

这是机器学习中的一个子类别问题。您可以从这份调查中学到很多东西：“一级分类：技术的研究和回顾分类法”（http://arxiv.org/pdf/1312.0049.pdf）。希望能帮助到你。

来源

2016-04-28 13:34:47

学习如何预测未来客户的历史行为

回答

相关问题