我们有一组产品，我们试图确定哪些产品我们应该继续销售，哪些产品要从我们的库存中移除。该文件包含历史销售数据和活动库存，可以通过标题为“文件类型”的列进行识别。

我们怀疑应用于集合的数据科学——例如决策树分析或逻辑回归，或其他一些机器学习模型——可以帮助我们为每个产品生成一个可以使用的值（即概率分数）作为评估库存的主要决定因素。文件中的每一行代表一个产品。

重要的是要注意，我们的库存中有很多产品，而且很少有产品倾向于销售（每年只有大约 10% 的产品销售），而且许多产品在一年内只有一次销售。

该文件包含历史销售数据（用标题为 File_Type 的列标识）以及需要评估的当前活动库存（即，文件类型 =“活动”）。历史数据显示过去 6 个月的销售额。二元目标（1 = 销售，0 = 过去六个月内没有销售）可能是推动分析的主要目标。

其他列包含我们认为与销售相关的数字和分类属性。

请注意，一些历史销售 SKU 也包含在活动库存中。

关于包含的属性的一些评论，因为我们意识到我们可能有一些不必要或可能需要解释的属性。

SKU_number：这是每个产品的唯一标识符。订单：只是一个顺序计数器。可以忽略。SoldFlag：1 = 在过去 6 个月内售出。0 = 未售出 MarketingType = 我们营销产品的两种类别。这可能应该被忽略，或者更好的是，每种类型都应该独立考虑。New_Release_Flag = 任何具有未来版本的产品（即，版本号 > 1）

您的数据将呈现在世界上最大的数据科学社区面前。您希望看到哪些问题得到解答？

(1) 为我们提供每个 SKU 的销售概率估计的最佳模型是什么？我们主要对可以根据这些属性（以及我们可以添加的其他属性）不断更新的相对单位感兴趣。

（2）是否可以提供评分文件（即文件中每个SKU的概率评分），并提供对所选模型准确性的评估？

（3）接下来我们应该采取什么措施？

如果我可以将文件发送给您，请告诉我。

非常感谢您提供的任何建议。