互聯(lián)網(wǎng)產(chǎn)品行為每月點擊次數(shù)或支付金額，都是非離散分布，而且產(chǎn)品關(guān)鍵指標(biāo)通常在這里。要分析用戶哪些維度對產(chǎn)品指標(biāo)有較大影響，線性回歸與樹模型權(quán)重是常用手段。問題在于分析百萬級以上用戶，用回歸得到的 R^2 解釋率往往不到 80% 強(qiáng)相關(guān)，說明現(xiàn)有數(shù)據(jù)量或維度無法解釋清楚。但不能增加數(shù)據(jù)量、又或者引入新的維度來提升，即使采用特征工程（基于現(xiàn)有維度提取、組合等方式創(chuàng)造新維度）和引入新維度，也不是一件容易和快速事情，換上 SVM 、深度學(xué)習(xí)框架會喪失解釋性。

不過觀察目標(biāo)字段會發(fā)現(xiàn)，大多數(shù)用戶行為次數(shù)會集中分布在1 - 5 自然數(shù)上，則每月核心行為 1 - 5 次左右。百萬用戶目標(biāo)行為集合基數(shù)只有 200 多個（集合元素個數(shù)），不足 1 % —— 數(shù)據(jù)呈現(xiàn)長尾分布，大多數(shù)集中在個別數(shù)字，只有少數(shù)剩余數(shù)據(jù)不集中。

要區(qū)分每月核心行為 1 次、 2次、3次，對于大多數(shù)產(chǎn)品意義不是很大。倒不如將連續(xù)數(shù)據(jù)轉(zhuǎn)換為離散，比如 5 次以下歸為一類，5 次以上歸為另一類。更好的做法用「二八」劃分，比如以累計貢獻(xiàn)度達(dá) 80 % 的用戶核心操作數(shù)值作為界線劃分「高低」用戶。即使 1、2、3次意義重大，那轉(zhuǎn)為離散會更合適，每個數(shù)值能區(qū)分出不同意義。

這樣使用分類方法，各種常用指標(biāo)均達(dá)到 80% 以上，遠(yuǎn)超商業(yè)最少 70% 設(shè)定（標(biāo)準(zhǔn)來自《 Data Analytics Made Accessible》）。至于為何二分預(yù)測比回歸模型好，可以用這篇論文來解釋 On the Difference between Binary Prediction and
True Exposure With Implications For Forecasting
Tournaments and Decision Making Research

簡單來說，二元分布（yes/no）比多樣分布（1、2、3...n）在預(yù)測上，對于黑天鵝（超級極值）、模型錯誤不太敏感，出錯概率較低。比如目標(biāo)數(shù)據(jù)呈現(xiàn)極值分布，用連續(xù)回歸分析得出的殘差（預(yù)測值-實際值），會發(fā)現(xiàn)值越大，偏離得越高（>>0），就是這部分導(dǎo)致模型錯誤較大。即使樹模型回歸思路依然是轉(zhuǎn)化為離散分類預(yù)測，但分的數(shù)目超過 2 類，準(zhǔn)確率在正常情況下不會好于二類預(yù)測。