Как формировать обучающие данные для классификации на основе истории показов и покупок?

Для формирования обучающих данных для классификации на основе истории показов и покупок обычно создают табличный датасет, где каждая строка — это пример для модели, а столбцы — признаки и целевая метка.

1. Определение задачи и метки:

   • Например, задача — предсказать, купит ли пользователь товар после показа.
   • Метка (target) — бинарная: 1, если был покупка, 0 — если нет.

2. Формирование признаков:

   • Количество показов товара пользователю за определённый период.
   • Время с последнего показа.
   • История покупок пользователя (сколько и какие товары куплены).
   • Категории товаров, время суток, день недели и т.п.

3. Агрегация данных:

   • Объединить логи показов и покупок по пользователю и товару.
   • Создать временные окна (например, последние 7 дней) для агрегации признаков.

4. Балансировка классов:

   • Если покупок мало, можно применить техники балансировки (undersampling, oversampling).

5. Пример:

user_id	product_id	shows_last_7d	purchases_last_7d	time_since_last_show	target
123	456	5	0	2 часа	0
123	789	3	1	1 день	1

Такой датасет можно использовать для обучения классификатора, который предскажет вероятность покупки.