问建立一个模型，根据过去的通话历史和人口统计来预测一个人接电话的可能性。

EN

想象一下，你有一个网络中每个人的名单。你想知道他们接电话的可能性有多大。在你的网络中，有几个人你已经打过好几次电话了(有些人打了两三次电话，其他人打了很多次电话，有些人超过50次)，而且你有记录他们是否会接电话(每通电话)。这是有用的信息，因为那些过去接听过电话的人很可能在将来再次接电话。

也有几个人，你从来没有打过电话，因此，不知道他们是否经常接听电话在过去。然而，因为他们在你的网络中，而且你认识他们，你有一些基本的人口学信息，比如年龄、性别、种族、他们居住的地方(农村/城市)、手机/固定电话等等。很明显，你也有你过去打过电话的人的人口信息，所以你可以查看回答率和各种人口变量之间的关系。

现在，您想要建立某种模型(倾向模型？)来预测你网络中的人在你打电话的时候接电话的可能性。您如何利用通话历史和人口统计信息(考虑到您的许多朋友和家人没有任何通话历史)。我正在寻找的结果基本上是一种度量/概率/分类，然后我可以用它来优先考虑某些人而不是其他人。从基本的数据探索中，我知道我列出的许多变量都是自己预测的，但我不知道如何将它们组合成一个很好的、整洁的模型。我能用R中的机器学习包吗？我不一定需要一个完整的答案这个问题，我只是不知道从哪里开始！如果这有帮助的话，我可以在R中建立基本的线性和逻辑回归，所以我熟悉这些概念。

(现在也可以想象一下，你有数以百万计的通话记录，还有数以百万计的个人需要打电话，但却有人口统计数据，这会改变你的做法吗？)