为提高电商平台用户行为预测的准确度,解决传统机器学习方法需要设置大量超参数的问题,提出了一种基于深度森林的用户购买行为预测方法。该方法首先采用多粒度扫描提取用户行为数据的概率特征向量,然后利用级联森林生成增强特征向量并输出预测结果。实验测试了不同决策树模型对用户行为预测的适应性,并确定了随机森林决策树数目。将深度森林模型与传统机器学习预测方法进行对比实验。实验结果表明深度森林模型具有较高的预测准确率,且训练时间优于其它深度学习方法。
科研之友
微信
新浪微博
Facebook
分享链接
