iPAS 考題解析訂閱服務想預測哪些用戶下個月會流失。原始資料中有每次登入的時間戳記與付款紀錄。下列哪項特徵工程最直接有助於這個預測?
你的作答
在題目頁作答不會存進學習紀錄,想留下紀錄可以到題庫練習。
解析
正確答案:B. 計算距離上次登入天數、近 30 天登入次數與最近付款是否失敗
流失通常與近期互動下降或付款異常有關。把預測時點以前可取得的原始時間與交易紀錄轉成距離上次登入、近期活躍度與付款狀態,會形成可直接描述流失風險的特徵,也能避免把未來資訊洩漏給模型。重新編號、刪資料或改姓名都沒有增加可用訊號。
每個選項為什麼對或錯
-
A 把使用者 ID 由小到大重新編號 錯誤選項
ID 編號通常只是識別碼,沒有可泛化的行為意義。
-
B 計算距離上次登入天數、近 30 天登入次數與最近付款是否失敗 正解
這些衍生特徵把原始紀錄轉成可反映流失風險的行為訊號。
-
C 刪除所有時間戳記,避免模型看到太多資料 錯誤選項
刪除時間資訊會失去判斷近期活躍度的重要依據。
-
D 將每位用戶的姓名改成相同文字 錯誤選項
姓名不是判斷使用行為的合理特徵。
答案、題目或解析有問題?回報這題