Спасибо за ответ

Здравствуйте! Подскажите, пожалуйста, что надо ли что-то делать с  геометрическим (вроде) распределением целевого признака? Задача классификации текста с 36 классами.
У меня просто появились подозрения, что модель переучиться может на первых классах...

Всем привет. У кого есть опыт в когортном анализе? У меня есть данные с продаж ПО с подпиской, там подписки либо месячные либо годовые. И вопрос: как правильнее делать анализ? У меня несколько вариантов:
Смотреть только месячные подписки
ИЛИ
Рассматривать людей с годовой подпиской как клиентов совершивших 12 покупок сразу

Или может кто знает какой-то более подходящий метод? Когортный анализ retention

Добрый день надо глянуть исходные данные кусочек

InvoiceDate - дата когда была совершена покупка
Type - там данные о типе подписки: возврат, новый клиент, обновление подписки
Plan - monthly/annual
Price - цена

Вот такие данные

Не получиться когортный анализ в полной мере, так как сложно по Type идентифицировать к какой когорте относится клиент. Если бы был идентификатор клиента то можно было бы накидать алгоритм расчета ничего сложного нет даже можно было бы оценить выручку с каждой когорты

Там индекс transactionId

Поэтому клиентов можно идентифицировать. Вот только не могу подход к периодам найти. Там и месячные и годовые подписки, а это мой 1 когортный анализ)

Алгоритм такой:
1. Выделяешь первый месяц(неделю) прихода клиента это же будет и номер когорты
2. Находишь дельту между датой покупки и первой датой покупки переводишь в месяц(неделю)
3. группируешь в разрезе номера когорты, дельты. в agg({'Type':'nunique'})
4. сбрасываешь индексы в полученной таблице
5. Определяешь количество покупателей в каждой когорте (это количество клиентов для 0 месяца(недели))
6. объединяешь две таблицы лучше использовать merge
7. Находишь retention
8. из полученной таблицы pivot_table(index='cohorts', columns = 'cohort_lifetime', values='retention',aggfunc='sum')
9. Для наглядности по полученной таблице строишь тепловую карту

Ок, спасибо большое

A кто-нибудь эту байду решает?

https://www.kaggle.com/c/jane-street-market-prediction

а что там? если коротко?

Я подумываю начать, но слово "байду" напрягает, не стоит?)

Может кто посоветует чат, где сидят начинающие ребятки в DL ?

Предсказывать «купить/не купить» какой-то фин инструмент

Помогите плззз, не понимаю почему сумму не считает, пишет что аргумент tuple хотя по факту он list

классификация? 0/1 или prob? серии? или таблица?

Так и есть — байда)