预测活跃成员变为不活跃的可能性？
predicting the possibility of Active members becoming Inactive?
我有一个会员数据库，有些活跃，有些不活跃。
我想预测活跃成员变成不活跃成员的可能性？
我是否应该 运行 非活跃成员的 AML（不拆分）以及当我发布模型时我传递给活跃成员？
我之前尝试过很多 AML 数据集，但是通常你会有一列包含你想要预测的值（活动-非活动）（真-假）（红-黑-白），但我从未尝试过只有给你的模型带来一个价值。
您需要使用活跃和不活跃的成员来训练您的模型。我会拆分您的数据集，以便在您的训练和测试集中都有活跃和不活跃成员的示例。
让我们讨论一下为什么要拆分数据。请记住，在监督学习中，您需要带有标记示例的数据。例如，假设我想根据房屋的面积和邮政编码预测房屋的成本。为了训练我的模型，我需要现有房屋的数据集及其面积、邮政编码和价格，如下所示：
SquareFootage 邮政编码价格
2000 48075 200,000
3000 48075 300,000
4000 48075 400,000
5000 48075 500,000
在这个例子中，面积和邮政编码是我的特征（影响你想要预测的东西），价格是我的标签（你想要预测的东西）。我可以在上面的一些数据上训练一个模型，然后使用经过训练的模型来预测价格，只给出一个平方英尺和邮政编码。
所以，我拆分数据的原因是为了提供大部分数据来训练模型（它将处理数据以找出“训练模型”模块中特征和标签之间的相关性），但是我们想要保留一些标记数据来测试我们构建的模型。然后，我们可以将经过训练的模型生成的价格值与测试数据集中（在“评分模型”模块中）中的实际标记价格值进行比较，以查看模型的性能如何。 （我们不能对两者使用相同的数据......模型是使用训练数据构建的，因此它会非常准确地执行；我们保留未使用的数据进行测试。）
因此，对于您的示例，我会尝试随机拆分，以便有活跃和不活跃成员的示例（即您的标签 - 不活跃或活跃），您还需要提供影响 activity。
我有一个会员数据库，有些活跃，有些不活跃。
我想预测活跃成员变成不活跃成员的可能性？
我是否应该 运行 非活跃成员的 AML（不拆分）以及当我发布模型时我传递给活跃成员？
我之前尝试过很多 AML 数据集，但是通常你会有一列包含你想要预测的值（活动-非活动）（真-假）（红-黑-白），但我从未尝试过只有给你的模型带来一个价值。
您需要使用活跃和不活跃的成员来训练您的模型。我会拆分您的数据集，以便在您的训练和测试集中都有活跃和不活跃成员的示例。
让我们讨论一下为什么要拆分数据。请记住，在监督学习中，您需要带有标记示例的数据。例如，假设我想根据房屋的面积和邮政编码预测房屋的成本。为了训练我的模型，我需要现有房屋的数据集及其面积、邮政编码和价格，如下所示：
SquareFootage 邮政编码价格
2000 48075 200,000
3000 48075 300,000
4000 48075 400,000
5000 48075 500,000
在这个例子中，面积和邮政编码是我的特征（影响你想要预测的东西），价格是我的标签（你想要预测的东西）。我可以在上面的一些数据上训练一个模型，然后使用经过训练的模型来预测价格，只给出一个平方英尺和邮政编码。
所以，我拆分数据的原因是为了提供大部分数据来训练模型（它将处理数据以找出“训练模型”模块中特征和标签之间的相关性），但是我们想要保留一些标记数据来测试我们构建的模型。然后，我们可以将经过训练的模型生成的价格值与测试数据集中（在“评分模型”模块中）中的实际标记价格值进行比较，以查看模型的性能如何。 （我们不能对两者使用相同的数据......模型是使用训练数据构建的，因此它会非常准确地执行；我们保留未使用的数据进行测试。）
因此，对于您的示例，我会尝试随机拆分，以便有活跃和不活跃成员的示例（即您的标签 - 不活跃或活跃），您还需要提供影响 activity。