如果没有有关您的特定领域的更多信息，我认为没有人可以帮助您处理功能，但您可能会比逻辑回归模型做得更糟：

https://en.wikipedia.org/wiki/Discrete_choice

https://en.wikipedia.org/wiki/Logistic_regression

这个社区可以提供多少帮助取决于您在此过程中所处的位置。如果您有一个数据集并且正在寻找确定最具预测性的特征的方法，那么您可以包含一些关于您收集/有权访问的数据类型的信息。

相反，如果您的问题是“我应该收集哪些数据来预测从银行购买，以及我应该使用什么模型”，那么您不太可能得到非常具体的答案。

缩小你的问题是一个二元分类任务。神经网络和支持向量机同样足以胜任这项工作。但是，只有决策树使用“分数”并实际向您展示分类背后的推理，而其他两个是黑盒子。你所追求的被称为令人振奋的造型。此外，由于任务的性质，值得检查特征选择和敏感性。

我不确定这种方法对你的效果如何，但在我的倾向评分场景中它对我有用。因此，如果有意义，请尝试将您的数据与我的数据联系起来。

我有一份客户名单和他们的购买行为。从这些购买行为中，我推导出关联规则来确定哪个客户可能会购买什么产品类别（基于他们之前的购买——与该组之前的购买相关联）。

您还可以将产品购买的新近度和频率包含在模型中，以决定是否在特定时间向客户推荐特定产品/优惠。

基于这些规则对每个客户的信心、支持和提升指标，我将它们映射到极有可能在此类别中购买，信心是他们的倾向得分。

但是，根据您的数据和您想要完成的任务，每个模型都必须进行一些定制。这只是一个对我有用的想法。