任何统计或机器学习方法预测薪水

Question

我对FinTech公司工作。我们为客户提供贷款。希望申请贷款的客户必须在我们的应用程序中填写一些信息，其中一个信息是薪水信息。使用网页浏览功能，我们能够在上个月的最近3-7个月内获取我们客户的银行交易数据。

使用任何统计或机器学习技术如何，如果工资总额（或几乎同时）在客户银行交易数据说我很容易地发现？我应该为每个客户制定一个模型（逻辑），还是应该只有一个模型适用于所有客户？

请指教

Answer 1

我不认为你需要机器学习。

1. 出所有的交易名单，只有那些所有数字加钱的帐户，而不是减钱从账户
2. 回合以一定的精度保持（如2510美元 - > 2500美元）
3. 构建一个包含添加到该帐户的每一天总量的数据集。换句话说，由天团交易，并添加0的任何需要的地方
4. 应用离散傅立叶变换，以求在这个时间序列的周期分量
5. 应该只有1个周期性项目，重复每30ish天
6. 将所有其他周期性地重复项的值设置为0
7. 应用离散傅立叶逆变换得到只重复每28/30天

欲了解更多有关傅立叶变换的信息，请https://en.wikipedia.org/wiki/Fourier_transform

对于（用MATLAB）一个实际的例子， 退房 https://nl.mathworks.com/help/matlab/examples/fft-for-spectral-analysis.html?requestedDomain=www.mathworks.com

它显示了如何得到一个时间信号的频率分解。如果采用同样的逻辑，你可以使用这个频率分解弄清楚哪些频率优势（通常是工资将是其中之一）。