基于GA-XGBoost的电商用户购买行为预测

作者：吴鑫; 李君; 茅智慧; 吴耀辉; 郑李园

来源：浙江万里学院学报, 2022, 35(04): 86-92.

DOI：10.13777/j.cnki.issn1671-2250.2022.04.011

• 机器学习
• 购买行为预测
• XGBoost
• 遗传算法

为提高用户购买行为的预测性能，精准定位用户需求，实现线上商品的个性化推荐，提出了一种电商用户购买行为预测方法。该方法通过采集商品的历史交互数据，经数据清洗、构造消费者特征群、商品特征群和时间特征群三大衍生特征群、利用特征相似性分析进行特征选择，采用极限梯度提升树（e Xtreme Gradient Boosting,XGBoost）建立用户购买行为预测模型，并利用遗传算法（Genetic Algorithm,GA）对模型的超参数进行优化（GAXGBoost）。实验结果表明，与逻辑回归、决策树等传统机器学习方法和单一的XGBoost模型相比，GA-XGBoost模型的预测精度明显提升。

• 单位
  浙江万里学院