我正在开发一个模型，用于预测客户根据其日常使用情况更换电话公司的可能性。我的数据集包含两周（14天）的信息。
我的数据集包括在每一行中：
用户ID，日期（从1到14之间的数字），还有另外15个值的列表。
问题来自一些客户每天都不使用电话的事实，因此对于每个客户，根据他们使用电话的天数，我们会有随机的行数（从1到14）。因此，我们缺少一些客户端日数据组合。
由于数据集很小，因此删除缺失值不是一个选择，这会影响预测方法。
我可以为每个客户的这种缺失天数做出什么样的处理？
我试图创建一个新的数据集，其中每个客户只有一个条目，有一个新值可量化电话使用天数，其余值是在上找到的所有值的平均值原始数据集的每一天。这减小了数据集的大小，而与删除缺失值相比，我们将面临同样的问题。
我已经考虑过为每个客户的缺失天数添加值（使用插值方法），但这会扭曲结果，因为这会使数据集好像每个客户每天都在使用手机，并且会影响预测模型。