科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着互联网和计算机的迅速发展,在线用户属性特征的刻画和在线用户行为的预测成为研究热点.以往的研究中关注所有用户群体的行为预测,而实际在线系统更关注的实际购买行为的预测,以据此进行精准营销.基于此本文分析在线用户属性特征,得出各个算法预测的用户在线消费与用户各个特征之间的相关性;并通过逻辑回归、神经网络、决策树、随机森林四种人工智能算法的分析与比较,预测在线用户的消费行为.由于采用原数据集时预测结果真阳性率较低,这会造成找到潜在用户群具有很大偏差;本文通过SMOTE算法对原始数据进行平衡,在这四种人工智能算法中均有效的提高了预测准确度(AUC及GINI系数),对实际消费用户行为的预测效果有很大提升;最后在不同测试集划分下,多次重复实验中,验证了算法稳定性,以及SMOTE平衡算法具有很高的鲁棒性.这些研究结果能够在电子商务中找到有消费倾向的特定顾客,从而据此精准营销.
-
单位北京物资学院
