改进EasyEnsemble的软投票策略下的用户购买预测方法

摘要：

随着互联网发展,网上购物已经成为人们越来越多的选择.为了更好实现帮助顾客推荐商品的目的,对原有数据进行特征提取,再用互信息的方法对数据进行特征选择;用改进的EasyEnsemble算法处理类别不平衡的问题,利用集成策略弥补欠采样的缺陷,使样本数据得到充分的利用并且降低了正负样本差造成的影响;最后选择使用软投票的方法将XGBoost和随机森林结合为一个终分类器做预测,并与单一的算法相比,从而得到更好的结果.基于阿里巴巴天池大赛所提供的数据,以查准率P、召回率R和F1值为评价指标,分别与当前热门的机器学习算法进行对比,验证了本文方法的有效性.

关键词：互信息、类别不平衡、EasyEnsemble、XGBoost

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;教育部人文社会科学研究项目;上海市一流学科建设项目

在线出版日期：2022-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：47-53