我正在尝试为电子商务建立一个模型，以预测通过在线营销渠道（例如谷歌购物）获得的单击收入。点击是针对产品详细信息页面，因此我的培训数据包括产品详细信息，如：价格，交货时间，类别，制造商。每次历史点击都会为其带来收入。问题是，对于95％以上的点击，收入等于零。
历史数据如下所示：
click_id | manufacturer | category | delivery_time | price | revenue
1 |man1 | cat1 | 24 | 100 | 0
2 |man1 | cat1 | 24 | 100 | 0
3 |man1 | cat1 | 24 | 100 | 0
4 |man1 | cat1 | 24 | 100 | 120
5 |man2 | cat2 | 48 | 200 | 0
正如您所看到的，两个数据点具有完全相同的特征和目标变量（收入）的非常不同的值是可能的（并且是常见的）。例如，前4个数据点具有相同的功能，并且只有4个数据点具有收入。理想情况下，我的模型会在具有相同功能的测试示例中预测这4次点击的平均收入（即30）。
在我尝试应用模型之前，我的问题是关于数据表示。我相信我有两个选择：
非常欢迎任何有关如何解决此问题的建议。
答案 0 :(得分：0)
95％的数据收入为零，您可能需要对记录采取一些措施，例如抽样。按照目前的构建，您的模型可以预测＆＃34; no＆＃34; 100％的时间仍然是95％准确。您需要对模型中的错误类型进行设计选择。您是否希望尽可能准确＆＃34;，因为它错过了最少的可能记录，错过了尽可能少的收入记录，或者避免错误地将记录分类为收入，如果它们实际上不是＆＃39 ; t（如果您感到好奇，请阅读关于类型1和2错误的更多信息）
您可以做出几个高级别的选择：
1）您可以对数据进行过度采样。如果您有大量记录并且想要确保捕获创收功能，则可以复制这些记录或执行一些记录工程来创建＆＃34; fake＆＃34;记录与产生收入的记录非常相似。这将增加您的模型捕获什么带来收入的可能性，并且当您将这些功能应用于实际数据时，它将极有可能重视这些功能
2）您可以使用模型预测概率，然后扩展您的概率。例如，您可以查看您的模型，并说任何产生收入的可能性超过25％的任何事物实际上都是＆＃34;肯定的＆＃34;情况下
3）如上所述，您可以先尝试对数据进行聚类，然后尝试在＆＃34;求和＆＃34;上运行分类算法。值，而不是单个记录。
4）是否有一些细分受到≥5％可能性的细分？也许在这些子集上建立一个模型。
这些都是模型设计选择，没有正确/错误的答案 - 它只取决于你想要完成的事情。
根据您的回复编辑 回归可能会受到异常值的显着影响，因此我会谨慎地尝试使用回归来预测美元金额。您的大多数变量很可能具有较小的系数，截距将反映平均花费。您应该记住的另一件事是互动条款。例如，如果你是男性，你可能更有可能购买，如果你年龄在25-30岁之间，你更有可能购买，但是男性和25-30人都有更大的影响。
我提出分类的原因是你可以尝试进行分类以查看谁可能购买，然后再申请美元金额。这种方法会阻止您为每笔交易提供基本相同的非常小的金额。