Datascience ML指南

Question

我已经开始学习ML，我被困在寻找一个问题的解决方案上。我需要后续的步骤:下面是数据集的格式: cust_Demographics

Customer_ID         0
Nationality         0
Income_Range        0
Job_Type            0
Marital_Status      0
Gender              0
State               0
Language            0
Loyalty_Status      0
Age                 0
Points              0
recent_tran_date    0
Recency             0
custSince           0
Frequency           0
Monetary            0
90999

Customer_Transaction

Year                0
Week                0
Store_Code          0
City_Name           0
Transaction_Type    0
Customer_ID         0
Invoices            0
Item_Count          0
Revenue             0
Discount            0
Units_Sold          0
500000

Customer_Store

Region              0
Region_Code         0
Store_Code          0
Store_Name          0
Mall_Name           0
Sales_Per_Day       0
Store_Size_Sq_Ft    0
Customer_Count      0
Total_Revenue       0
38

Test
Customer_ID    0
Store_Code     0
400000

问题:需要预测顾客是否去商店(新店)。(0/1)

因此，我合并了人口学、事务和存储表。

Q1 :我有总rows= 500000，并添加了一个目标列作为1(代表他们去购物)，所以对于这个专栏，所有的值都是1's，所以我应该如何训练来预测目标值。

Q2 :如果我合并测试、人口学、存储它是可以的，但是如何使用事务表的特性呢？顾客->商店(该商店的顾客商店)

或者它是否与基于推荐的问题有关？

Answer 1

请浏览上述链接，探索推荐规则。

https://medium.com/recombee-blog/machine-learning-for-recommender-systems-part-1-algorithms-evaluation-and-cold-start-6f696683d0ed

https://www.analyticsvidhya.com/blog/2018/06/comprehensive-guide-recommendation-engine-python/

https://www.datacamp.com/community/tutorials/recommender-systems-python

https://www.kaggle.com/gspmoreira/recommender-systems-in-python-101