데이터 강화 예측 모델링을 통한 판매 목표 설정

우리는 데이터 강화 예측 모델링(DEM)의 아이디어를 설명하고 분석합니다. 여기서 '강화'라는 용어는 모델링에 사용되는 데이터가 실제 대상 모집단에서 샘플링된 것이 아니라, 훨씬 더 큰 샘플을 사용할 수 있는 대체(밀접하게 관련된) 모집단에서 샘플링되었다는 경우를 의미합니다. 이는 '편향-분산' 트레이드오프를 초래하며, 일부 경우에는 DEM이 실제 대상 모집단의 예측 성능을 향상시킬 수 있음을 암시합니다. 우리는 선형 회귀의 경우에 대해 이 트레이드오프를 이론적으로 분석합니다. 우리는 소프트웨어 제품 세트를 위한 판매 목표 설정 문제에서 DEM을 설명합니다. '올바른' 학습 문제는 비고객과 새로 확보한 고객을 구분하는 것입니다. 그러나 후자는 희소합니다. 우리는 더 큰 학습 샘플을 제공하는 흥미로운 목표에 대한 보다 유연한 정의를 사용하여 더 나은 예측 모델을 구축할 수 있는 방법을 설명합니다.