问预测客户的付款。[资料科学访问个案]

EN

未来支出这一术语含糊不清，特别是它可能意味着NPV，它是所有未来权重调整后现金流的总和。这会更复杂一些，因为折价因素是另一个随机变量。我想我们应该谈谈一段时间的付款估计数，例如一个月。

我认为你一开始就走在正确的轨道上:定期还款(抵押贷款、互联网、公用事业等)更容易预测，其中一些甚至可能有非常严格的时间表。此外，也有随机支付，当然有一个不同的分布。

我会这样对待它(不是100%肯定这是最好的方式，但至少看起来是合理的)：将定期和不定期的支付分为两种不同的分配，即不同的模式。

• 不规则支付可以通过泊松分布建模，这些参数可以从历史推断。这种分布具有很高的方差，但假设分布在未来不会有很大的变化，那么从长远来看，计算的期望将接近真实均值(伊伦)。
• 一段时间内的定期付款可视为一个时间序列。我的第一个想法是用机器学习(回归问题，例如x(n) -> x(n+1)或[x(n-1), x(n)] -> x(n+1))来预测它，因为通常情况下似乎有一种模式。但在现实中，算法的选择在很大程度上取决于数据。有可能在时间序列中出现季节性，这当然会影响选择。

有了这两种支付来源的模式，我们就可以估算出总支出。顺便说一句，如果雇主对这个问题有任何意见，请与我分享。

用线性回归算法预测未来费用

这里的目标是确定客户是否会完成付款。对于公司来说，这是一个至关重要的指标。对于这个分类机器学习问题，富裕程度、经济状况和季节性等特性对于确定单个客户完成支付的可能性非常重要，前提是单个客户级别的数据是可用的。一种算法，如逻辑回归或基于树的方法，然后将预测为每个客户提供一个概率结果。然后，可以在客户之间进行聚合，并在BI工具(如Power或Tableau )中可视化。

资料来源: Kaggle：卡格尔，AceAI访谈：AceAI