Machine learning 客户流失预测中的特征选择_Machine Learning_Prediction_Feature Selection_Churn

Machine learning 客户流失预测中的特征选择

machine-learning

Machine learning 客户流失预测中的特征选择,machine-learning,prediction,feature-selection,churn,Machine Learning,Prediction,Feature Selection,Churn,我为一家电子商务公司建立了一个客户流失预测模型。在该模型中，客户流失标准为自数据中最后一个可用日期起12个月内不活跃。在建立模型时，我创建了一些计算特征来考虑预测中的活动。我将客户最近3个月和6个月的活动添加为二进制。它们与客户流失的相关性分别为0.5和0.7。当我检查网络上的其他客户流失预测模型时，我在一些项目中看到了类似的指标，而其他一些项目中没有这样的指标我的模型的准确率约为90%，我担心如果我将客户最近3个月和/或6个月的活动作为模型的输入，那么我是否做得不对。此外，我是否应该担心3m

我为一家电子商务公司建立了一个客户流失预测模型。在该模型中，客户流失标准为自数据中最后一个可用日期起12个月内不活跃。在建立模型时，我创建了一些计算特征来考虑预测中的活动。我将客户最近3个月和6个月的活动添加为二进制。它们与客户流失的相关性分别为0.5和0.7。当我检查网络上的其他客户流失预测模型时，我在一些项目中看到了类似的指标，而其他一些项目中没有这样的指标

我的模型的准确率约为90%，我担心如果我将客户最近3个月和/或6个月的活动作为模型的输入，那么我是否做得不对。此外，我是否应该担心3m活动和6m活动之间的相关性？我使用PCA进行特征提取，保持方差的0.95，但这足以避免相关性问题吗