我有大约 10k 客户 3 个月的历史购买数据，我想使用该数据来预测他们在未来 3 个月内的购买情况。我使用客户 ID 作为输入变量，因为我希望 xgboost 了解不同类别之间的个人支出。有没有办法进行调整，以便重点是根据每个人的购买情况了解更多信息？或者解决这个问题的更好方法？
您可以使用权重向量，您可以weight在 xgboost 中将其传递给参数；大小等于 的向量nrow(trainingData)。然而，这通常用于惩罚分类错误中的错误（考虑一下稀疏数据，这些数据仅在一个月左右销售一次；您想要了解销售情况，那么您需要给予销售实例更多的权重，否则所有预测都将是零）。显然你正在尝试tweak对自变量进行权重，我无法很好地理解。
学习因变量（在你的例子中是销售额）的行为是机器学习模型所做的，你应该让它完成它的工作。您不应该调整它来强制仅从某些功能中学习。对于学习购买行为聚类类型的无监督技术将更有用。
要包含用户特定行为，首先要做的是进行聚类并识别每个用户索引不足和索引过高的类别。然后您可以使用这些标志创建一些分类特征。
PS：一些解释你的问题的数据可以帮助其他人更好地帮助你。