检查二元变量的任何组合是否相关/对序数因变量有影响

Question

我正在研究一个案例来完成我的（不是那么高级的）数据科学家课程，这里的主题已经给我带来了很多帮助，谢谢！ 不幸的是，现在我再次陷入困境，无法找到现有的答案。

我的数据来自一家自行车商店，我想了解客户首次注册购买期间购买的产品是否与它们未来对商店的重要性相关/有影响。我将客户分为 5 类（从注册后从未再注册购买的人，到花很少钱购买 2-3 次的人，花大钱购买几次的人，到定期购买东西的人）确实给这家自行车店带来了很多钱），我已将它们订购为序数因变量。

作为自变量，我准备了 20 多个二元变量，用于标识首次从该商店购买（作为注册客户首次购买）期间购买的产品/服务。每个客户一行。因此，我想检查一下是否有产品组合（可能是自行车购买的“额外”）可以增加客户注册并希望在未来保持忠诚客户的机会。

梦想可以说，例如，如果您在第一次购买时购买了一辆便宜或中便宜的自行车，从长远来看，您可能不会为自行车店做出太多贡献，因此您的依赖等级较低多变的。但那些购买中等廉价自行车、头盔和锁（可能以特价）的人更有可能成为长期赚钱的忠实注册客户之一。

可能没有这样的关系，但无论如何我想测试一下。结果的实施可能能够在购买期间推荐额外的产品（价格优惠）。

我在这门课程中学习 R。我们经历了一些技术，首先我想象可以使用神经网络（只是因为它听起来最有趣），将所有这些产品作为稀疏矩阵的输入，并将客户集群作为输出（我希望它与我读到的稀疏矩阵的示例类似，稀疏矩阵以图片中的像素作为输入，数字 1-9 作为输出），但后来我被告知这实际上是基于图片和真实模式，在我的例子中我也不知道有没有。

然后我想我可以尝试使用序数森林。但它并不能很好地预测我的集群，根本不能（五分之二的集群没有得到预测）。不过没关系，我不指望第一次购买就能预测所有客户的未来。但我真的很想看看是否有产品组合可以增加客户最终进入忠诚度“较高”集群之一的机会。

我不确定这是否足够清楚。 :) 你认为有什么方法可以测试我的想法吗？我可以尝试做什么？如果您需要更多信息，请告诉我。