我的目标是根据几个客户属性（人口统计、过去的购买类别等）更好地预测公司客户群的购买习惯。我有一个包含大约 100,000 名回头客的数据集，包括他们上次购买的时间间隔（本研究中的因变量）以及几个属性（连续的和分类的）。
我计划对每个细分（定义为在观察中具有相似时间间隔的细分）进行生存分析，以帮助了解购买之间可能的时间间隔。我遇到的问题是如何最好地定义这些细分；即属性分组，使得段之间的时间间隔足够不同而段内的时间间隔相似。我相信构建决策树是最好的方法，我想使用递归分区。
我是 R 新手，并且已经使用了party包的mob命令，但是我对模型中要包含哪些变量以及要包含哪些进行分区（命令：mob(y ~ x1 + ... + xk | z1 + ... + zk)，x是模型变量和z分区）感到困惑。我只是想从一组属性中构建一棵树，所以我想我想对所有属性进行分区？没有把握。我也尝试过该rpart命令，但根据 cp 级别，要么没有树，要么得到具有数十万个节点的树。
如果有人有任何建议，我将不胜感激。对小说感到抱歉，感谢您的帮助。