На самом деле такую ситуацию можно назвать в некотором роде даже классической. Подобных заданий полно, но какой то инфы о таком видел мало.

А кампании представлены просто как категории, или есть какие-то фичи, описывающие конкретно кампанию?
Если второе, то имеет смысл делать модель, в которую на вход подаются фичи юзера и фичи кампании, а на выходе она предсказывает вероятность, что юзер в результате этой кампании что-то купил. Обучать её на всех парах (юзер, кампания), для которых кампания реально затронула юзера (неважно, купил он или нет).
Если первое, остаётся тупо сидеть и копить данные.

Можно провести аналогию с задачей поиска (как в гугле или яндексе). Там вместо кампаний - документы, вместо юзеров - запросы, и есть единая формула ранжирования, в которую на вход подаются фичи запроса, документа, и каких-то пересечений запроса с документом, и по скорам такой модели все документы ранжируются применительно к данному запросу

Ну чаще всего категории. Если и можно получить какие то фичи, то корреляции с меткой нет.  Кстати мб кто знает есть какая то либа или функция, которая могла бы искать новые фичи из уже существующих?
Ибо корреляций у данных с меткой почти нет, зато между собой полно

Одна из причин, почему вообще любят нейросети - это как раз потому, что если сетка глубокая и широкая, то она фичи все выучивает себе сама.
А если хочется модель поменьше или попроще, то можно начать с sklearn.preprocessing.PolynomialFeatures

Нейросети я и использовал. Обычный Dense, точность ниже чем у леса и градиентного бустинга была

На моей практике на несбалансированных данных, сетка всегда плохо себя показывет

Даже если данные семплировать

Вообще есть у меня одна идея для несбалансированных классов но пока хз как реализовать.
Суть что бы тренировать батчами - в каждом батче весь минорный класс, и одинаковый ему по кол-во уникальный мажорный для каждого батча

Мб уже есть такое

Получается будет обучаться на сбалансированных данных без необходимости в семплировании

SMOTE

Не читал весь тред, но на всякий случай вброшу.

тоже интересна эта тема, напишите пожалуйста к какому решению пришли в итоге

В "50 из 10000" по идее нет никакой информации, это статистический шум

Это семплирование, часто оно ведет себя неадекватно, я писал выше

Это соотношение, которое я привел как пример. В моей задаче есть 2500 юзеров что платили, при этом они являются всего 0.1% от всех юзеров

Всем привет! знаю , возможно я не по теме
Необходимо решить задачу, но не могу понять с чего начать.
нужно, чтобы в случае, если кто-то подключился к wifi приходило уведомление в телеграм или на почту, что человек пришел.
допустим есть список с мас-адресами телефонов людей и их именами.
Скажем пришел человек и его телефон подключился к местной вафле. и программа выдает "Зина пришла". Аналогично с уходом. также необходимо собирать всю статистику, кто и как долго был сегодня/ на неделе/ за месяц.
подскажите в какую сторону смотреть?

Знаю, возможно я не по теме, но при переходе дороги, сначала в левую сторону, потом в правую.

Думаю что это не совсем по теме нашей группы. Вам следует смотреть в сторону логов устройства, к которому подключаются, и анализировать статистику уже из логов