任何人都可以帮助我了解不同的方法、方法或算法来建立一个只有积极响应的模型。
假设我们有一组具有“积极”行为的客户。我们希望在数据库中找到具有相似概况的客户,并且将来更有可能具有这种积极行为。这不能用 0/1 目标变量建模,因为没有明确定义“负面”行为。
它看起来像一个相似的模型。但是,我认为相似模型假设知道给定一组人(治疗组)的反应(0/1),并在对照组中找到相似的人来预测他们的反应。
提前感谢您的回复!
MK
任何人都可以帮助我了解不同的方法、方法或算法来建立一个只有积极响应的模型。
假设我们有一组具有“积极”行为的客户。我们希望在数据库中找到具有相似概况的客户,并且将来更有可能具有这种积极行为。这不能用 0/1 目标变量建模,因为没有明确定义“负面”行为。
它看起来像一个相似的模型。但是,我认为相似模型假设知道给定一组人(治疗组)的反应(0/1),并在对照组中找到相似的人来预测他们的反应。
提前感谢您的回复!
MK
这听起来像是一个单类或一元分类问题,您可以使用您拥有的类来构建正态模型。
查看scikit learn的新颖性和异常值检测文档。他们在那里讨论了一类 SVM,它试图根据您的观察对决策边界进行建模。实现的示例非常简单。遗憾的是,此实现并未为您提供概率度量(尽管有关于如何添加此功能的论文)。
或者,您可以考虑使用自动关联神经网络(复制器网络)。
在 DS上有一个关于时间序列异常检测的很好的讨论。