学生
我的目标是预测每月订阅模式业务的流失率。数据集有少量维度：
- 订阅编号
- 开始日期（可以推断“作为订阅者的月份”）
- 价格计划（4 种变体）
- 营销渠道（他们是如何找到我们的，例如 Google、电子邮件、Facebook）
- 取消日期（因变量。如果从未流失，则不为空，如果有值则订阅流失的日期）
有 10k 条记录。
回到课堂上，朴素贝叶斯模型的概念听起来很直观，我想走那条路。但是后来我读到NB在变量很多的地方更好。我只有 5 个，其中一个是因变量）。
然后我想起了决策树。但是这篇文章说决策树“不太适合处理诸如时间之类的连续输入变量（而生存模型可能更适合）”。我的变量“开始日期”可能会抵消这一点，因为理论上是付费客户的几个月可能会影响客户流失（事实上，我们从定期的流失/队列分析中知道这一点）。
目标是预测帐户是否会流失（是/否）（不是实际的流失日期，因此我可能会将变量“取消日期”的数据集编辑为“流失”是或否）。
- 给定我的数据集和目标，我可以使用朴素贝叶斯或决策树吗？一个比另一个更合适吗？我会邀请其他模型建议，但我正在采取我在课堂上学到的婴儿步骤。
- 对于任一模型，我想如何编辑我的数据集？目前我有开始日期，如果他们搅动取消日期。因此，我可以创建一个新字段：“作为付费客户的月份”。这是建议吗？
- 我需要更改因变量的字段吗？它要么是空白的（未流失），要么将具有日期值（已流失）。我应该创建一个值“是”或“否”的新字段“搅动”吗？
我意识到这个问题有点开放式。任何帮助我前进的指示将不胜感激。