假设你拥有一家邮政服务公司，并且希望优化你的业务流程。你有一份按日期排序的订单历史记录，格式如下：
# date user_id from to weight-in-gramsJan-2014 "Alice" "London" "New York" 50Jan-2014 "Bob" "Madrid" "Beijing" 100...Oct-2017 "Zoya" "Moscow" "St.Petersburg" 30 大部分记录（约95%）在“weight-in-grams”字段中包含正数，但也有一些记录的重量为零（可能是这些邮件被取消或丢失了）。
能否预测历史文件中的用户（如Alice、Bob等）是否会在2017年11月使用该服务？我应该使用哪些机器学习方法？
我尝试使用简单的逻辑回归和决策树，但显然它们对任何用户都给出正面结果，因为训练集中负面例子非常少。我也尝试使用Pareto/NBD模型（R中的BTYD库），但对于大数据集来说它似乎速度极慢，我的数据集包含超过500,000条记录。
我还有另一个问题：如果我补充负面例子（假设某用户在特定月份没有寄信，则视为该月的负面例子），数据集将从30Mb增长到10Gb。
回答：
答案是肯定的，你可以尝试进行预测。
你可以将这个问题视为时间序列，并运行RNN：训练你的RNN，使得每位用户作为一个样本进行训练。
你也可以将数据集转换，使每位用户成为一行（观察值），通过聚合每个用户的数据。然后运行多元逻辑回归。这样做会损失一些信息，但可能会更简单。你可以添加与时间相关的列，如“订单之间的平均延迟时间”、“每年平均订单数”等。
你可以使用贝叶斯方法来估计用户返回的概率。
