如何为监督机器学习项目构建目标变量
How to build target variable for supervised machine learning project
我是机器学习的新手，经验不多，做过一些项目。
现在我有一个项目是和保险有关的。所以我有关于客户的数据库，我将合并这些数据库以获得关于客户的所有可能信息，并且我有一个用于索赔的数据库。我需要建立一个模型来根据排名确定客户的风险程度。
我的问题：我需要建立我的目标变量，根据客户的风险程度对客户进行排名，这取决于索赔。我可以有不同的策略来做到这一点，但我对如何处理以下内容感到困惑：
- 我是否应该在构建等级之前进行特定类型的分析，例如聚类，或者我需要有一个与项目提供者愿景相匹配的强大的理论假设。
- 如果我使用索赔数据库中的一些变量来建立行列，我以后应该如何处理它们。换句话说，我应该将它们从最终数据集中删除以进行训练，以避免与目标变量相关，还是我可以以不同的方式处理它们并保留它们。
- 如果我保留它们，是否有根据它们是分类变量还是连续变量对它们进行特殊处理。
每个机器学习项目的起点都是 EDA。首先创建一些特征，例如他们收到不良索赔的频率或收到的数量。然后做一些 EDA 来找出哪些特征更有用。其次，问题看起来像分类。聚类通常更难评估。
在数据科学中，当您建立业务模型时，EDA 探索性数据分析发挥着重要作用，其中包括数据清理、特征工程、过滤数据。如前所述，如何构建目标变量，这完全取决于您拥有的属性以及您想要应用什么模型，比如线性回归或逻辑回归或制作决策树。您需要使用这些算法。但最重要的是，您需要找出影响变量。这可能是输出和给定输入之间的核心关系，必须相应地给出优先级。还必须删除不增加任何价值的属性，因为这会导致过度拟合。
您也可以进行聚类。有趣的是，任何无监督学习都可以转化为监督学习的一种形式。也许您可以尝试进行逻辑回归或线性回归等......并找出最适合您项目的模型。
我是机器学习的新手，经验不多，做过一些项目。
现在我有一个项目是和保险有关的。所以我有关于客户的数据库，我将合并这些数据库以获得关于客户的所有可能信息，并且我有一个用于索赔的数据库。我需要建立一个模型来根据排名确定客户的风险程度。
我的问题：我需要建立我的目标变量，根据客户的风险程度对客户进行排名，这取决于索赔。我可以有不同的策略来做到这一点，但我对如何处理以下内容感到困惑： - 我是否应该在构建等级之前进行特定类型的分析，例如聚类，或者我需要有一个与项目提供者愿景相匹配的强大的理论假设。 - 如果我使用索赔数据库中的一些变量来建立行列，我以后应该如何处理它们。换句话说，我应该将它们从最终数据集中删除以进行训练，以避免与目标变量相关，还是我可以以不同的方式处理它们并保留它们。 - 如果我保留它们，是否有根据它们是分类变量还是连续变量对它们进行特殊处理。
每个机器学习项目的起点都是 EDA。首先创建一些特征，例如他们收到不良索赔的频率或收到的数量。然后做一些 EDA 来找出哪些特征更有用。其次，问题看起来像分类。聚类通常更难评估。
在数据科学中，当您建立业务模型时，EDA 探索性数据分析发挥着重要作用，其中包括数据清理、特征工程、过滤数据。如前所述，如何构建目标变量，这完全取决于您拥有的属性以及您想要应用什么模型，比如线性回归或逻辑回归或制作决策树。您需要使用这些算法。但最重要的是，您需要找出影响变量。这可能是输出和给定输入之间的核心关系，必须相应地给出优先级。还必须删除不增加任何价值的属性，因为这会导致过度拟合。 您也可以进行聚类。有趣的是，任何无监督学习都可以转化为监督学习的一种形式。也许您可以尝试进行逻辑回归或线性回归等......并找出最适合您项目的模型。