machine-learning - 如何为监督机器学习项目构建目标变量

Question

我对机器学习很陌生，经验很少，并且做了一些项目。

现在我有一个与保险相关的项目。因此，我拥有有关客户的数据库，我将合并这些数据库以获取有关客户的所有可能信息，并且我有一个用于 claim 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:我需要构建目标变量，根据 claim 的风险程度对客户进行排名。我可以有不同的策略来做到这一点，但我对如何处理以下问题感到困惑:- 在构建排名(例如聚类)之前我是否应该进行特定类型的分析，或者我需要有一个与项目提供商愿景相匹配的强有力的理论假设。- 如果我使用 claim 数据库中的一些变量来建立排名，以后我该如何处理它们。换句话说，我是否应该将它们从最终的训练数据集中删除，以避免与目标变量相关，或者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，是否根据它们是校准变量还是连续变量对它们进行特殊处理。

Answer 1

每个机器学习项目的起点都是 EDA。首先创建一些功能，例如他们收到不良 claim 的频率或收到的数量。然后进行一些 EDA 来找出哪些功能更有用。其次，问题看起来像是分类。聚类通常更难评估。