首页--社会科学总论论文--统计学论文--统计方法论文

基于RF、XGBoost和FFM集成的CTR预估

致谢第3-4页
摘要第4-5页
Abstract第5页
第1章 绪论第7-12页
    1.1 研究背景第7页
    1.2 相关内容研究进展第7-10页
    1.3 研究思路和主要内容第10-12页
第2章 集成学习相关研究第12-18页
    2.1 相关的集成学习研究第12-14页
    2.2 集成学习的有效性及其有效条件第14-15页
    2.3 集成学习的方法第15-18页
第3章 主要模型的原理及求解第18-45页
    3.1 决策树及CART算法第18-21页
    3.2 Bagging及随机森林第21-24页
    3.3 Boosting之Gradient Boosting及GBDT第24-30页
    3.4 XGBoost对GBDT的改进第30-36页
    3.5 因子分解机(FM)及其改进第36-45页
第4章 实证结果与分析第45-52页
    4.1 数据描述第45-46页
    4.2 数据初步特征工程第46-47页
    4.3 模型结果第47-49页
    4.4 模型比较分析第49-52页
第5章 总结第52-53页
    5.1 论文工作总结第52页
    5.2 进一步研究工作第52-53页
参考文献第53-56页

论文共56页,点击 下载论文
上一篇:女性婚姻稳定性和满意度研究--基于CFPS数据的实证分析
下一篇:情绪智能领导力培训对学生领导力、自我效能感和社会适应的影响