我正在研究一个神经网络项目，该项目读取服务器日志文件并尝试将用户分类为candidate buyers和random surfers存储桶。
日志文件类似于
timestamp, user_id, event, page
1454973364, user_A, enter, http://some_url/?page=dashboard
1454973365, user_A, enter, http://some_url/?page=search&q=tablet
1454973366, user_A, enter, http://some_url/?page=faq&item=1234
1454973366, user_B, enter, http://some_url/?page=about_us
1454973366, user_A, enter, http://some_url/?page=order_placed
...
1454973368, user_A, exit, http://some_url/?page=order_placed
1454973368, user_B, exit, http://some_url/?page=about_us
user_A之类的所有用户都应积极定位为candidate buyers且user_B应消极定位并归类为{{ 1}}。当然，我的项目的目标是在用户点击转化页random surfers之前进行预测。
将此类系列事件建模为输入的最佳方法是什么？
一个更普遍的问题。从日志数据中我们可以获得有关用户如何使用我们网站的信息（拖动小部件，单击链接，向下/向上滚动，在页面上花费的时间等）。给定一系列这样的动作，机器学习中将它们建模为输入的一般方法是什么？