一种针对二值结果的 uplift 建模新变换方法
机器学习
2025-01-10 v2 机器学习
摘要
Uplift建模已有效应用于营销与客户留存等领域，以定位那些更可能因营销活动或处理而响应的客户。本质上，它是一种机器学习技术，用于预测采取某行动相对于不采取该行动所带来的增益。一类流行的uplift模型是变换方法，其利用原始处理指示变量重新定义目标变量。这些变换方法只需直接训练并预测结果之差。此类方法的主要缺陷在于通常除构造变换结果外未利用处理指示变量中的信息，且一般效率不高。本文针对二值目标变量设计了一种新颖的变换结果，并释放了零结果样本的完全价值。从实践角度看，我们的新方法灵活且易用。在合成与真实数据集上的实验结果明显表明，新方法优于传统方法。目前，我们的新方法已应用于某全国性金融控股集团的精准营销中。
引用
@article{arxiv.2310.05549,
title = {A New Transformation Approach for Uplift Modeling with Binary Outcome},
author = {Kun Li and Liangshu Zhu},
journal= {arXiv preprint arXiv:2310.05549},
year = {2025}
}