我在金融科技公司工作。我们为客户提供贷款。想要申请贷款的客户必须在我们的应用程序中填写一些信息，其中一条信息是工资信息。使用网络抓取，我们能够获取客户最近 3-7 个月的银行交易数据。
使用任何统计或机器学习技术，我如何轻松发现客户银行交易数据中是否说明了工资金额(或几乎相同(？我应该为每个客户创建一个模型(逻辑(，还是应该只为所有客户创建一个模型？
请告知
我认为你不需要机器学习。
- 在所有交易列表中，只保留那些向账户加钱的交易，而不是从账户中减去钱
- 将所有数字四舍五入到一定精度(例如 2510 美元 -> 2500 美元(
- 构建一个数据集，其中包含每天添加到帐户的总金额。换句话说，按天对交易进行分组，并在需要时添加 0
- 应用离散傅里叶变换以查找此时间序列中的周期分量
- 应该只有 1 个周期性项目，每 30 天重复一次
- 将所有其他周期重复项的值设置为 0
- 应用逆离散傅里叶变换以仅获取每 28/30 天重复一次的信息
有关傅里叶变换的更多信息，请查看 https://en.wikipedia.org/wiki/Fourier_transform
举一个实际的例子(使用MatLab(， 退房 https://nl.mathworks.com/help/matlab/examples/fft-for-spectral-analysis.html?requestedDomain=www.mathworks.com
它展示了如何给出时间信号的频率分解。如果你应用相同的逻辑，你可以使用这个频率分解来找出哪些频率是占主导地位的(通常薪水将是其中之一(。