机器学习 | 五种基于机器学习的客户价值预测分析方法

项目目标： 预测客户在交易过程中的价值表现

数据获取途径： https://www.kaggle.com/c/santander-value-prediction-challenge

数据构成： 包含4459个已知客户的价值信息及其相关属性（具体属性内容未明确，可能涵盖性别、年龄、收入、纳税情况等，每个用户对应4993项属性数据）

流程：

• 数据解析
• 关键参数筛选
• 算法构建
• 参数优化

首先进行数据分析

该数据集包含4459行与4993列，其中1845列的数据类型为浮点型，3147列属于整数型，另有1列被标记为对象类型，推测其内容应为用户的唯一标识符。

观察发现特征值数量较大

初步处理步骤包括删除常数列以及去除重复列。原始数据量从4993缩减至4732。由于特征数量过多，无法进行可视化分析，因此直接采用