我的任务是提出一种方法，为不同的客户群体预测客户活动60个月 . 这些组可以基于多种因素 - 计划，获取渠道，获取月份等，即最终用户需要使用的任何标准 . 我正在学习，我认为最好的方法是使用回归为几个不同的客户群开发基于60个月完成数据的模型 . 然后，该模型可以应用于最终用户感兴趣的不同客户群 .
在大多数情况下，该模型似乎运作良好，但有些团体只有不同的购买活动水平 . 例如，我的模型基于客户每月平均花费15美元的数据 . 但是，有一些客户群体的平均支出是5美元，因此预测很少 . 通常，该模型使用2-3个月的客户组数据运行 .
有没有办法“缩放”系数，以便模型能够很好地适应不同支出水平的不同群体？这更像是一个统计问题..任何指导都将非常感谢 .
1 回答
如果我正确理解您的问题，那么您使用平均花费为15美元的数据构建回归模型，但现在您尝试使用该模型来预测平均花费为5美元的不同群体的结果，这就是关闭预测？
发生这种情况的原因是因为您的模型规范是错误的 . 处理此问题的正确方法是在构建回归模型时包括$ 15和$ 5组（即列出所有数据） . 您不应该使用回归来训练一个群体，然后测试另一个群体，因为您只是将错误的模型应用于目标群体（$ 5组）
如果由于某种原因你不能使用所有感兴趣的组的数据重建你的模型，你可以尝试的另一件事是 Build 一个只有15美元组的标准化模型 . 我不确定它在实践中的效果如何，你必须构建模型并测试它，但它会是这样的：
获取15美元的组数据，并通过取每个值，减去该变量的平均值，然后除以标准差来标准化预测变量：
X_standardized = (X - mean(X))/sd(X)使用这些标准化预测变量来构建新的回归模型 .
一旦有了新模型，并且想要预测$ 5组的值，而不是传递原始$ 5值进行预测，就必须先对变量进行标准化，然后传递标准化值 .
如果您尝试一次预测一个值并且无法访问足够大的$ 5组成员样本来计算平均值和标准差，则此方法无效 .