摘 要 :為了建立更加完善的特征體系和優(yōu)化預測模型,提出優(yōu)化特征工程體系,增加特征值數(shù)量,并改進傳統(tǒng)邏輯回歸預測模型,使用 GBDT+ 邏輯回歸的組合模型及 XGBoost+ 邏輯回歸的組合模型達到提高預測精度、提升模型預測能力的目的。實驗結果證明,通過優(yōu)化特征工程體系和改進預測模型解決 O2O 優(yōu)惠券發(fā)放這種預測方式可以更準確地預測消費者的消費行為,為優(yōu)惠券的個性化投放提供可靠的決策支持。
我與貿(mào)澤不得不說的秘密,如何讓選型和設計更輕松與愜意?
小 i linux驅(qū)動 學習秘籍
ARM裸機第八部分-按鍵和CPU的中斷系統(tǒng)
成就高薪工程師的非技術課程
IT001系統(tǒng)化學習與碎片化學習
內(nèi)容不相關 內(nèi)容錯誤 其它
本站介紹 | 申請友情鏈接 | 歡迎投稿 | 隱私聲明 | 廣告業(yè)務 | 網(wǎng)站地圖 | 聯(lián)系我們 | 誠聘英才
ICP許可證號:京ICP證070360號 21IC電子網(wǎng) 2000- 版權所有 用戶舉報窗口( 郵箱:macysun@21ic.com 電話:010-82165003 )
京公網(wǎng)安備 11010802024343號