具有许多标签的稀疏数据

Question

我有这个数据集，我必须在其中预测客户是否会给出第二个订单，如果他已经订购了他的第一个订单，如果是，那么客户将在他的第一个订单后多少天再下一个订单？在训练数据中，如果客户没有下另一个订单，它的标签是 N（意思是没有订单），如果它在 180 天后下一个订单，它的标签是 L（意思是长）。如果第二个订单介于 0 到 180 天之间，则其标签是第一个订单和第二个订单之间的天数。（例如 13、27、45、60、135 等）。我必须准确地预测客户将下一个订单的天数或（N- 无订单和 L- 180 天后订单）。功能只是包含 646 列的 1 和 0'（稀疏数据）。

首先我很困惑这是什么问题。似乎是分类和回归问题的混合体。1st我必须分类它是否属于N，L或0-180天之间。然后如果顺序在 0-180 天之间，我必须预测 确切 客户将下一个订单的天数。如果我的想法是正确的，我的方法应该是什么。欢迎提出任何其他建议。

PS：有 7474 行和 646 列包含 0 和 1 的稀疏数据

Answer 1

就我个人而言，我会先做一个简单的分类。 在这种情况下，您尝试从长期/不购买的客户中“清除”短期重新订购。

确保您在这些类别中合理分配，以获得不错的结果。

之后，您可以开始查看只有特定日期的数据，然后对该子集执行回归。

至于维度的稀疏性，您可以尝试降维，例如使用 PCA 或 LDA，以获得更好的数据表示，并且不会浪费不必要的资源（您也可以使用嵌入层，例如)。