1
resposta

Qual é a melhor forma de aplicar machine learning em modelos com dados categóricos e numéricos?

Como prever a quantidade de conversões por ARGUMENTO e CAMPANHA para os próximos 3 meses? Eu estou utilizando uma base com um shape 34567, 7 e estou fazendo um modelo de regressão linear múltipla para cada argumento e cada camanha. Qual é a melhro forma de fazer um forecasting do número de conversões com essa granularidade?

DATAARGUMENTCAMPAIGNIMPRESSIONSCLIKSCONVERSIONCOST
2021-01-01ABC1234A217844570134.25
2021-01-01ABC5678B56242025.6
2021-01-01DEF1234A4015037.89
2021-01-01DEF1234A10205.68
2021-01-01ABC5678B21896500015621345.25
2021-01-01GHI1234A48596800035893459.20
2021-01-01GHI9012C2140111.42
2021-01-01ABC9012C102050.20
2021-01-01GHI9012C50013.5
1 resposta

Boas Ariadne! Tudo bem? Espero que sim.

Desculpe a demora em responder. A verdade é que isso depende muito.

Para criar um modelo em machine learning, é necessário levar em conta diversas informações. No seu caso, como a data é um dos parâmetros, você pode fazer uma análise incluindo a temporalidade (series temporais) ou mesmo trabalhar simente com os valores numéricos.

Sem conhecer o domínio de aplicação e o contexto geral, é muito difícil cravar qual será o modelo mais adequado. Surigo que teste alguns modelos e fique com o que faça mais sentido para sua aplicação.

Caso este post tenha lhe ajudado, por favor, marcar como solucionado ✓.Bons Estudos!

Quer mergulhar em tecnologia e aprendizagem?

Receba a newsletter que o nosso CEO escreve pessoalmente, com insights do mercado de trabalho, ciência e desenvolvimento de software