解决分类问题并找到最佳阈值

Question

我工作中的一个项目真的有点麻烦。我在周末试图解决下面的问题，但没有成功。你知道吗

好的，我们运营一个学校教育平台，我们希望实现以下目标。我们有一个模型，确定学生失去兴趣的可能性（损失率）。你知道吗

现在，如果某个时间点（t）的损失率比前一个时间点（t-6）增加到某个阈值以上，我们希望向学生提供折扣优惠，甚至提供免费课程。问题是如何正确设置阈值？我的意思是使用学生在t+12时间点离开我们平台的实际数据来最小化假阳性和真阴性。你知道吗

我们目前的方法和数据是这样的。根据历史数据，我们有以下设置： [学号]，[升学时间值]，[现在的损失率（t）]，[当时的损失率（t-6）]，[绝对差值（[t1]-[t-6]），[相对差值（[t1]-[t-6]）/[t-6]），[观察到的损失率（t+12）]

• 贷款价值比通常在0到500之间。你知道吗
• 损失率一般在0.01%到0.25%之间
• 观察到的损失[0或1]。1表示该学生已取消订阅。这是未来12个月（t+12）的事实/观察。你知道吗

我想做的是有一些LTV桶和阈值。根据阈值，我们可以邮寄/不邮寄客户，LTV桶帮助我们提供服务。你知道吗

所需的操作规则集如下所示（要实现的pragamatic）：

• LTV<；X1 |绝对差值>；Y1或相对差值>；Z1
• X2和X2之间的LTV |绝对差>Y2或相对差>Z2
• X3和X3之间的贷款价值比|绝对差异>Y3或相对差异>Z3
• LTV>；X4 |绝对差>；Y4或相对差>；Z4

*注意：这可能会导致LTV组中的拆分不相关，这意味着它不会有助于优化。你知道吗

我们希望具有成本效益，以便在付费/免费服务之间保持平衡。 首选的解决方案是Python，但是R也是一个选项。一些可视化的帮助太好了！你知道吗

谢谢你花时间读这篇文章。 常涌