基于序列数据的流失率预测

Question

我正在尝试建立一个机器学习模型，该模型可以根据某位用户的历史静态和动态数据预测其是否会流失。数据如下所示：

myForm.get('testimonials').controls

数据集中有许多testimonialsForm.controls ，每个1) timestamp, user1, user info (static), event info(dynamic), 0 2) timestamp, user1, user info (static), event info(dynamic), 0 3) timestamp, user1, user info (static), event info(dynamic), 1 4) timestamp, user2, user info (static), event info(dynamic), 0 5) timestamp, user2, user info (static), event info(dynamic), 0 6) timestamp, user2, user info (static), event info(dynamic), 0 7) timestamp, user2, user info (static), event info(dynamic), 0 8) timestamp, user2, user info (static), event info(dynamic), 0 可以是长度可变的序列。每个用户的功能分为两个部分。一个是user_id，可以将其视为每个用户的常数。另一部分是user info，其中包括随时间变化的功能。

请让我知道在机器学习/深度学习中应该如何处理该问题，最好在event info中提供详细的分步教程。

Answer 1

“ user_id”分为“ user_info”和“ event_info”两部分，其中“ user_info”是常量部分，因此我们不必担心，“ event_info”本质上是动态的，其中包括有时包含null / NA的功能值和其他时间具有合法值。

由于我们不了解功能的性质，因此我们将案例分为连续案例和分类案例。

情况：

• 如果动态要素是连续值-

  • 每当在要素中找到null / NA值时，您都可以选择零，-1或任何其他整数（取决于要素的当前值）-通过这种方式，您的模型（ML或DL）将能够借助动态功能有效地工作。

• 第二种情况，其类别值-

  • 为此，在每个要素中仅包括一个类别，它可能表示Null / NA值。

这就是我如何处理这种情况，并且效果很好。为此，您不需要任何pytorch教程，python即可完成工作。