科研之友
微信
新浪微博
Facebook
分享链接
摘要
[目的]提出基于Stacking集成学习预测用户付费转化意向的模型，精准识别潜在付费用户。[方法]基于Stacking集成学习方法构建付费意向预测模型，通过对比不同基模型组合预测效果确定基模型组合方案，借助游戏玩家行为数据集验证模型优越性，并进行可移植性验证。[结果]结果表明该模型预测准确率达到90.88%， F1值达到90.71%及AUC值达到0.9602，相对于对比模型中表现最差的Bayesian模型在三种指标上分别提升了4.15%、4.5%和10.62%。[局限]无法预测玩家是否会产生非理性消费行为。[结论]验证了游戏付费情境下Stacking集成学习方法的适用性，多模型的融合可以获得稳定、准确的付费意向预测结果，并证明了模型在预测不同领域用户付费意向上具备可移植性。
- 单位
