为分析预测电商企业客户的购买偏好及其对应的商品特性表征，结合K-means与PCA来生成相对应且可解释的商品与客户集群，并将原始数据转换为可用于偏好预测分类器训练的数据。在此基础之上，进一步提出使用Stacking集成学习方法，提高预测准确性与模型泛化能力。研究以某公司的真实客户购买数据来验证所提方法的有效性，实验结果表明，基于购买数据正确地生成了5类商品聚类簇与11类客户聚类簇，并且提高了预测精度，以81.37%的准确率预测出了客户的偏好类别。
科研之友
微信
新浪微博
Facebook
分享链接
