如果您想使用预测模型，那么您需要一个明确定义的目标。在您的情况下，ATM 的使用是一个模糊的术语。你不能像现在这样测量它。如果你解决了这个问题，那么你所看到的就是称为排名方法或学习排名的算法

来自维基百科的摘要

学习排名或机器学习排名 (MLR) 是机器学习（通常是监督、半监督或强化学习）在构建信息检索系统的排名模型中的应用。训练数据由项目列表组成，在每个列表中的项目之间指定了一些偏序。该顺序通常是通过对每个项目给出数字或序数分数或二元判断（例如“相关”或“不相关”）来诱导的。排名模型的目的是进行排名，即以某种意义上与训练数据中的排名“相似”的方式在新的、看不见的列表中产生项目的排列。

让我们转移到另一个工作域以使示例更易于理解。该示例取自TowardsDataScience教程页面。

您有一家电子商务商店，您希望使用这种方式对您的产品进行排名，该方式将在搜索页面上进行排序并最大化您的收入。您拥有的功能是产品的属性，目标是访问者是否在该会话中购买。

然后你训练一个分类器（例如 LogisticRegression）并获得该类的预测概率作为排名。