假设我有一组数据，包括访问我汽车经销店的多个人的工资、职业、工作经验、家庭人数和其他人口统计信息等。我还知道这些人是否在我这里购买了汽车。
我可以利用这组数据来预测新客户是否可能购买汽车。目前，我使用xgboost来进行预测。
现在，我获得了额外的数据，这些数据是个人每月支出的时间序列数据。假设我为训练数据也获取了这些数据。现在，我想构建一个模型，使用这些时间序列数据以及旧的人口统计数据（包括工资、年龄等），来判断客户是否可能购买汽车。
注意：在第二部分中，我只有每月支出的时间序列数据。其他变量都是某个时间点的。例如，我没有工资或年龄的时间序列数据。
注意2：我还有像职业这样的分类变量，我想在模型中使用这些变量。但我不知道这个人是否一直从事同一职业，还是从其他职业转变过来的。
回答：
由于大部分数据是特定于个人的，除了支出时间序列数据，因此最好将时间序列数据提升到个人层面。这可以通过特征工程来实现，例如：
- 正如@***建议的那样，采取各种统计措施。对于不同时间间隔的统计措施会更有益，比如最近2天、5天、7天、15天、30天、90天、180天的平均值等。
-
创建混合特征，如：a) 工资与第1点中创建的支出统计摘要的比率（选择适当的间隔） b) 每户家庭的工资或每户家庭的平均月支出等。
通过类似的思路，你可以轻松地从你的数据中创建数百甚至数千个特征，然后将所有这些数据输入到XGBoost（易于训练和调试）或神经网络（训练起来更复杂）中。
