如果您有关于每个类别已完成多少下载的数据，您可以使用该数据执行逻辑回归，其中您的目标变量将是男性/女性的 0/1 分类。这将形成您的基准测试结果，然后您可以改进结果。特别是寻找特征选择，因为可能有与目标无关的应用类别。您还应该尝试使用目标对变量进行双变量分析，以查看与目标是否存在良好的相关性。完成一些数据探索后，尝试使用一些高级技术。用于分类的 KNN、随机森林和神经网络可能会产生良好的效果。购物车在这里也可以很好地工作。

关于功能，除了应用程序类别，我会尝试：

• 应用程序大小（以 MB 为单位）（即下载的应用程序大小的平均值、不同大小的总和等）这很重要，因为游戏往往很大，而生产力应用程序往往占用空间较小。
• 应用下载次数（同样，平均和/或用户已下载的所有应用的下载计数总和）。
• 下载的应用程序计数
• 不同类别的数量（给出主题用户检查的类别的方差估计）