我在机器学习领域经验尚浅，之前做了一些项目。

现在我有一个与保险相关的项目。我有关于客户的几个数据库，我将合并这些数据库以获取客户的所有可能信息，同时我还有一个关于索赔的数据库。我需要构建一个模型来根据等级评估客户的风险程度。

我的问题是：我需要构建一个目标变量，根据索赔情况对客户进行风险等级排序。我可以有不同的策略来实现这一点，但我对以下几个问题感到困惑：- 在构建等级之前是否需要进行特定类型的分析，比如聚类分析，或者我需要有一个与项目提供者愿景相匹配的强有力的理论假设。- 如果我使用索赔数据库中的某些变量来构建等级，之后我该如何处理这些变量。换句话说，我是否应该从最终的训练数据集中删除它们，以避免与目标变量的相关性，或者我可以以不同的方式处理它们并保留它们。- 如果我保留这些变量，是否有特殊的处理方法，这取决于它们是分类变量还是连续变量。

回答：

每个机器学习项目的起点都是探索性数据分析（EDA）。首先创建一些特征，比如他们有多频繁地提出不良索赔，或者他们提出了多少索赔。然后进行一些EDA来发现哪些特征更有用。其次，这个问题看起来像是分类问题。聚类通常更难评估。