Cách tốt nhất để kết hợp phản ứng nhị phân và liên tục

Tôi đang cố gắng đưa ra cách tốt nhất để dự đoán số tiền thanh toán cho một công ty thu nợ. Biến phụ thuộc chỉ khác không khi thanh toán đã được thực hiện. Có thể hiểu được, có rất nhiều số không vì hầu hết mọi người không thể đạt được hoặc không thể trả được nợ.

Ngoài ra còn có một mối tương quan tiêu cực rất mạnh giữa số tiền nợ và xác suất thanh toán. Thông thường, tôi sẽ tạo ra một mô hình logistic để dự đoán xác suất trả / không trả nhưng điều này có hậu quả đáng tiếc là tìm được những người có số dư thấp nhất.

Có cách nào để kết hợp mô hình trả / không trả tiền hậu cần với một mô hình riêng biệt dự đoán số tiền thanh toán không?

Ý tưởng về gui11aume xây dựng mô hình hai giai đoạn là cách phù hợp, tuy nhiên, người ta cần xem xét khó khăn đặc biệt của thiết lập của bạn, đó là mối tương quan tiêu cực rất mạnh giữa số tiền nợ và xác suất thanh toán

Vấn đề chính của việc xây dựng một mô hình hai giai đoạn ở đây là, mô hình thứ hai (để dự đoán khoản nợ), khi được xây dựng chỉ dựa trên "số không", được xây dựng trên một mẫu dân số không ngẫu nhiên nhất ( tức là toàn bộ tập dữ liệu), nhưng mô hình kết hợp phải được áp dụng lại trên toàn bộ dân số. Điều này có nghĩa là mô hình thứ hai sẽ phải đưa ra dự đoán cho các phần của dữ liệu mà nó chưa từng thấy trước đây, dẫn đến mất độ chính xác. Đây được gọi là Xu hướng lựa chọn mẫu (để biết tổng quan từ phối cảnh ML, tôi khuyên bạn nên sử dụng Khung mạng Bayesian để từ chối suy luận của Smith và Elkan).

Các KDD-Cup-98 xử lý một vấn đề tương tự mà người ta nên dự đoán liệu một nhà tài trợ cho một tổ chức cựu chiến binh có khả năng đóng góp một lần nữa và bao nhiêu nó có khả năng đóng góp. Trong bộ dữ liệu này, xác suất quyên góp một lần nữa cũng tương quan nghịch với số tiền dự kiến. Xu hướng chọn mẫu cũng xuất hiện.

Giải pháp khiến tôi ấn tượng nhất có thể tìm thấy trong Học tập và Ra quyết định khi Chi phí và Xác suất là cả hai đều không biết bởi Bianca Zadrozny và Charles Elkan. Họ đã tạo ra một giải pháp nhạy cảm về chi phí dựa trên sự điều chỉnh của Heckman , theo hiểu biết của tôi là cách tiếp cận có hệ thống đầu tiên để điều chỉnh sai lệch lựa chọn (mẫu).

Đó là một câu hỏi rất hay (+1).

Tại sao không coi 0 là như thể họ là NA?

Bạn có thể thêm một phản hồi giả cho biết liệu có bất kỳ khoản tiền nào đã được phục hồi hay không ( nghĩa là bằng 0 khi giá trị bằng 0 và 1 khi giá trị dương) và phù hợp với mô hình logistic trên phản hồi nhị phân này với cùng các yếu tố dự đoán. Bạn sẽ phù hợp với 2 mô hình: phản hồi nhị phân sử dụng tất cả các điểm dữ liệu và phản hồi liên tục chỉ sử dụng các điểm dữ liệu không phải là zeron (phù hợp với ý tưởng coi 0 là NA).

Bạn vẫn có thể kiểm tra tính vô hiệu của các tham số trong mỗi mô hình và tính toán mức tăng dự kiến ​​bằng cách sử dụng cả hai bộ tham số.