电子商务平台基于用户行为数据的消费预测研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 研究的背景和意义 | 第8页 |
| 1.2 论文内容和结构 | 第8-9页 |
| 1.3 研究方法和思想 | 第9页 |
| 1.4 本文的主要创新点 | 第9-11页 |
| 第二章 文献综述 | 第11-15页 |
| 2.1 研究现状 | 第11-14页 |
| 2.1.1 基于推荐系统的消费预测研究 | 第11-13页 |
| 2.1.2 基于复购模型的消费预测研究 | 第13-14页 |
| 2.2 文献评述 | 第14-15页 |
| 第三章 相关理论 | 第15-22页 |
| 3.1 机器学习相关理论 | 第15-16页 |
| 3.2 算法概述 | 第16-22页 |
| 3.2.1 逻辑回归模型 | 第16-17页 |
| 3.2.2 决策树模型 | 第17-20页 |
| 3.2.3 决策树模型的改进——梯度提升树 | 第20-22页 |
| 第四章 数据挖掘技术在电商企业中的应用 | 第22-28页 |
| 4.1 电子商务企业数据资源来源 | 第22页 |
| 4.2 电子商务平台数据化营销的特点 | 第22-23页 |
| 4.3 数据挖掘技术在电子商务企业中的作用 | 第23-24页 |
| 4.4 数据挖掘技术在京东商城精准营销中的应用 | 第24-26页 |
| 4.5 电子商务平台现有大数据营销的应用空白 | 第26-28页 |
| 第五章 基于用户浏览行为的消费者购买预测 | 第28-53页 |
| 5.1 用户行为数据的构成 | 第28-29页 |
| 5.2 预测目标 | 第29-30页 |
| 5.3 原始数据统计分析 | 第30-34页 |
| 5.4 样本选取 | 第34-35页 |
| 5.5 变量提取 | 第35-41页 |
| 5.5.1 生成变量的流程 | 第36-38页 |
| 5.5.2 本文所用变量 | 第38-41页 |
| 5.6 模型训练 | 第41-46页 |
| 5.6.1 用户消费概率预测模型训练 | 第43-44页 |
| 5.6.2 用户所购买商品预测模型训练 | 第44-46页 |
| 5.7 针对样本不平衡问题对损失函数的改进 | 第46-48页 |
| 5.8 模型融合 | 第48-49页 |
| 5.9 实验结果 | 第49-53页 |
| 5.9.1 预测效果评估指标 | 第49-51页 |
| 5.9.2 预测效果分析 | 第51-53页 |
| 第六章 总结 | 第53-55页 |
| 6.1 研究成果和创新点 | 第53页 |
| 6.1.1 本文的主要创新点 | 第53页 |
| 6.1.2 应用价值 | 第53页 |
| 6.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间发表的学术论文 | 第59页 |
