發(fā)布時間：2024-04-08 18:34

　　用戶的購買規(guī)律是由用戶自身內(nèi)因與外因的互相作用而產(chǎn)生。因此,其購買規(guī)律不僅具有某種特定的規(guī)律可循,并具有一定的復(fù)雜性和不確定性。憑借購物平臺累積的大量用戶實(shí)際購買數(shù)據(jù)發(fā)現(xiàn)用戶的購買規(guī)律,并選擇合理的預(yù)測方法解決用戶購買預(yù)測的問題,對電商的個性化營銷具有一定的指導(dǎo)意義。本文對用戶購買預(yù)測進(jìn)行了研究,具體工作總結(jié)如下:首先,根據(jù)所提供的實(shí)際用戶購買數(shù)據(jù),對已有數(shù)據(jù)集進(jìn)行可視化分析處理,發(fā)現(xiàn)用戶購買規(guī)律,進(jìn)行特征構(gòu)建并構(gòu)建合理的用戶購買預(yù)測實(shí)驗(yàn)數(shù)據(jù)集。其次,使用確定的實(shí)驗(yàn)數(shù)據(jù)集對用戶購買預(yù)測模型進(jìn)行研究,選取隨機(jī)森林模型、GBDT模型和LightGBM模型,結(jié)合獲取的實(shí)驗(yàn)數(shù)據(jù)集設(shè)計用戶購買單項(xiàng)預(yù)測模型,根據(jù)對單項(xiàng)預(yù)測模型實(shí)例化結(jié)果的分析,確定了用戶購買預(yù)測融合模型所使用的單模型;在模型訓(xùn)練中,針對不同特征對模型預(yù)測精度的影響,根據(jù)基于樹模型方法的核心思想并結(jié)合LightGBM模型特性進(jìn)行特征選取,得到了最終的實(shí)驗(yàn)數(shù)據(jù)集,并結(jié)合最終實(shí)驗(yàn)數(shù)據(jù)集進(jìn)行單項(xiàng)預(yù)測模型實(shí)踐,實(shí)驗(yàn)結(jié)果驗(yàn)證了特征選取后所構(gòu)建的模型的預(yù)測精度優(yōu)于特征選取前所構(gòu)建的模型。最后,根據(jù)對單項(xiàng)模型預(yù)測結(jié)果的分析,選取GBDT模型與li...

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 用戶購買預(yù)測的研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 本文研究內(nèi)容
    1.4 章節(jié)安排
第二章 相關(guān)技術(shù)
    2.1 特征工程
        2.1.1 特征構(gòu)建
        2.1.2 特征選取
    2.2 預(yù)測目標(biāo)分析與評估指標(biāo)
        2.2.1 二分類問題預(yù)測目標(biāo)分析與評估指標(biāo)
        2.2.2 回歸問題預(yù)測目標(biāo)分析與評估指標(biāo)
    2.3 本章小結(jié)
第三章 預(yù)測模型研究
    3.1 數(shù)據(jù)預(yù)處理與分析
        3.1.1 數(shù)據(jù)源介紹
        3.1.2 數(shù)據(jù)集分析
        3.1.3 數(shù)據(jù)預(yù)處理
    3.2 特征構(gòu)建
    3.3 隨機(jī)森林
        3.3.1 算法原理
        3.3.2 算法實(shí)踐
    3.4 GBDT
        3.4.1 算法原理
        3.4.2 算法實(shí)踐
    3.5 LightGBM
        3.5.1 算法原理
        3.5.2 算法實(shí)踐
    3.6 模型融合
        3.6.1 模型融合思想
        3.6.2 模型融合策略
    3.7 本章小結(jié)
第四章 用戶購買預(yù)測模型的設(shè)計與實(shí)現(xiàn)
    4.1 用戶購買預(yù)測模型概述
        4.1.1 用戶是否購買模型
        4.1.2 用戶購買日期模型
    4.2 預(yù)測模型特征選取
        4.2.1 用戶是否購買模型特征選取
        4.2.2 用戶購買日期模型特征選取
    4.3 單項(xiàng)預(yù)測模型實(shí)踐
        4.3.1 隨機(jī)森林預(yù)測模型
        4.3.2 GBDT預(yù)測模型
        4.3.3 LightGBM預(yù)測模型
    4.4 融合預(yù)測模型設(shè)計
        4.4.1 用戶是否購買融合模型設(shè)計
        4.4.2 用戶購買日期融合模型設(shè)計
    4.5 測試與結(jié)果分析
        4.5.1 交叉驗(yàn)證與網(wǎng)格搜索
        4.5.2 用戶是否購買融合模型
        4.5.3 用戶購買日期融合模型
    4.6 本章小結(jié)
總結(jié)與展望
    總結(jié)
    展望
參考文獻(xiàn)
攻讀學(xué)位期間取得的研究成果
致謝



本文編號：3948636