用于预测薪水的任何统计或机器学习方法

Question

我在FinTech公司工作。我们为客户提供贷款。想要申请贷款的客户必须在我们的应用程序中填写一些信息，其中一个信息是薪资信息。使用网页编制，我们能够在过去的3-7个月内获取客户的银行交易数据。

使用任何统计或机器学习技术，我如何轻松发现客户银行交易数据中的工资金额（或几乎相同）？我应该为每个客户制作一个模型（逻辑），还是只有一个模型适用于所有客户？

请告知

Answer 1

我认为你不需要机器学习。

1. 在所有交易列表中，只保留那些为帐户添加资金的内容，而不是从帐户中减去款项
2. 将所有数字舍入到一定的准确度（例如2510美元 - > 2500美元）
3. 构建一个数据集，其中包含每天添加到帐户的总金额。换句话说，按天分组交易，并在需要的地方添加0
4. 应用离散傅立叶变换以查找此时间序列中的周期性分量
5. 应该只有1个周期性项目，每30天重复一次
6. 将所有其他周期性重复项的值设置为0
7. 应用反离散傅立叶变换以仅获得每28/30天重复的信息

有关傅立叶变换的更多信息，请查看https://en.wikipedia.org/wiki/Fourier_transform

对于一个实际例子（使用MatLab）， 查看 https://nl.mathworks.com/help/matlab/examples/fft-for-spectral-analysis.html?requestedDomain=www.mathworks.com

它显示了如何给出时间信号的频率分解。如果应用相同的逻辑，则可以使用此频率分解来确定哪些频率占主导地位（通常工资将是其中之一）。