我正在尝试预测客户对营销活动的反应。到目前为止，我有来自一个营销活动的数据和我客户的 RFM 数据。
部分客户说 60% 收到了广告。大约 10% 的人回复了
根据响应数据，即是否购买，在这个营销活动中，我使用 scikit-learn 构建了一个随机森林。
该模型在保持集上的表现非常好。但最有影响力的变量是布尔值：CustomerHasBeenAdvertised
我想使用这个模型，为未来的营销活动选择客户。为了获得类似广告条件下客户的“购买概率”，我将变量 CustomerHasBeenAdvertised 设置为 1。
但是，在具有这种附带条件的数据集上，所有预测均高于 0.5。
由于可变重要性，这是额外的普通高价值吗？还是有其他解释？
将变量 CustomerHasBeenAdvertised 设置为 1 是错误的方法吗？
如果是这样，如何处理这种情况：客户在没有广告的情况下购买了？
是否应该简单地忽略广告是否发生的信息？
提前致谢
这取决于你想做什么。如果您想要一个模型来预测营销活动的目标/非目标，那么您希望仅使用营销对象来训练模型，这定义了您的两个类别“响应者”和“非响应者”。给定一个看不见的客户，然后您的分类器将确定如果您向他们发送定向营销广告，他们是否可能会做出回应。看看提升营销。
如果 CustomerHasBeenAdvertised 变量对应于客户是否从您的活动中收到广告，那么我认为最好的方法是从您的训练集中排除所有没有将 CustomerHasBeenAdvertised 设置为 1 的记录，然后将该变量作为预测变量消除。这仍然可能导致大多数预测值高于 0.5，但这不一定是坏事。
处理不平衡的阶级问题（例如：很少有人响应广告或很少有人因贷款而破产）的一种常见方法是将您的预测分成十分位，然后只对最感兴趣的几个十分位采取行动（在您的案例客户最有可能进行购买）。这意味着预测的相对/排序值比预测的标称值更重要。通常这已经足够了，因为您可能不想向所有客户做广告，因为那样成本太高。