我有一个会员数据库，其中一些是活跃的，一些是非活跃的。

我想预测活跃会员变成非活跃的可能性？

我是否应该对非活跃会员运行AML（不分割），然后在发布模型时传入活跃会员的数据？

我之前尝试过许多AML数据集，但通常你会有一个包含你想要预测的值的列（活跃-非活跃）（真-假）（红-黑-白），但我从未尝试过仅用一个值来训练模型。

回答：

你需要用活跃和非活跃会员的数据来训练你的模型。我建议你分割数据集，以便训练集和测试集中都有活跃和非活跃会员的例子。

我们来讨论一下为什么要分割数据。记住，在监督学习中，你需要带有标记样本的数据。例如，假设我想根据房子的平方英尺和邮政编码来预测房子的价格。为了训练我的模型，我需要一个现有房子的数据集，包括它们的平方英尺、邮政编码和价格，像这样：

平方英尺 邮政编码 价格
2000 48075 200,000
3000 48075 300,000
4000 48075 400,000
5000 48075 500,000

在这个例子中，平方英尺和邮政编码是我的特征（影响你想要预测的事物的因素），价格是我的标签（你想要预测的事物）。我可以用上面这样的数据来训练模型，然后用训练好的模型来预测价格，只需提供平方英尺和邮政编码即可。

所以，我分割数据的原因是为模型提供大部分数据来进行训练（它将处理数据以找出特征和标签之间的相关性，在“训练模型”模块中），但我们希望保留一些标记数据来测试我们构建的模型。然后，我们可以将训练模型生成的价格值与测试数据集中实际的标记价格值进行比较（在“评分模型”模块中），以查看模型的表现如何。（我们不能用相同的数据来做这两件事…模型是用训练数据构建的，所以它在处理这些数据时会表现得相当准确；我们保留未使用的数据来进行测试。）

因此，对于你的例子，我建议进行随机分割，以便有活跃和非活跃会员的例子（这是你的标签 – 非活跃或活跃），你还需要提供影响活跃度的相关特征。