基于机器学习的电子商务平台重复购买客户预测
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-12页 |
| 1.1.1 电子商务运营商面临的挑战 | 第9-10页 |
| 1.1.2 电子商务中的数据挖掘方法 | 第10-11页 |
| 1.1.3 数据挖掘技术在电子商务中的应用 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 文章的组织结构 | 第14-16页 |
| 第二章 相关知识及理论 | 第16-28页 |
| 2.1 电子商务中数据挖掘过程 | 第16-17页 |
| 2.2 逻辑回归算法 | 第17-19页 |
| 2.3 决策树算法 | 第19-21页 |
| 2.3.1 决策树的生成 | 第19-20页 |
| 2.3.2 决策树的剪枝 | 第20-21页 |
| 2.4 基于决策树的组合模型介绍 | 第21-27页 |
| 2.4.1 GBM算法 | 第22-24页 |
| 2.4.2 XGBoost算法 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 数据预处理及特征工程 | 第28-37页 |
| 3.1 明确业务问题 | 第28-29页 |
| 3.1.1 重复购买客户的定义 | 第28页 |
| 3.1.2 影响客户重复购买意向的因素 | 第28-29页 |
| 3.2 数据理解 | 第29-31页 |
| 3.2.1 客户个人信息表 | 第29页 |
| 3.2.2 客户行为日志表 | 第29-30页 |
| 3.2.3 客户购买行为表 | 第30-31页 |
| 3.3 数据准备 | 第31-33页 |
| 3.3.1 数据集成 | 第31页 |
| 3.3.2 数据清理 | 第31-33页 |
| 3.4 特征工程 | 第33-36页 |
| 3.4.1 基本数据统计特征 | 第34页 |
| 3.4.2 整合特征 | 第34-35页 |
| 3.4.3 复杂特征 | 第35-36页 |
| 3.4.4 年龄和性别特征 | 第36页 |
| 3.4.5 近期行为特征 | 第36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 模型的建立与评估 | 第37-54页 |
| 4.1 实验环境与实验工具介绍 | 第37页 |
| 4.1.1 实验环境 | 第37页 |
| 4.1.2 实验工具 | 第37页 |
| 4.2 实验过程 | 第37-38页 |
| 4.3 模型的评估方法 | 第38-39页 |
| 4.4 逻辑回归算法 | 第39-41页 |
| 4.4.1 逻辑回归模型的建模步骤 | 第39-40页 |
| 4.4.2 逻辑回归模型的实验结果 | 第40-41页 |
| 4.5 GBM算法 | 第41-47页 |
| 4.5.1 GBM模型的建模过程 | 第41-43页 |
| 4.5.2 GBM模型的优化 | 第43-45页 |
| 4.5.3 GBM模型的实验结果 | 第45-47页 |
| 4.6 XGBoost算法 | 第47-51页 |
| 4.6.1 XGBoost算法建模过程 | 第47-48页 |
| 4.6.2 XGBoost模型的优化 | 第48-50页 |
| 4.6.3 XGBoost模型的实验结果 | 第50-51页 |
| 4.7 模型结果对比与分析 | 第51-53页 |
| 4.8 本章小结 | 第53-54页 |
| 第五章 基于模型融合的预测算法 | 第54-57页 |
| 5.1 模型融合方法简介 | 第54页 |
| 5.2 构建融合模型 | 第54-55页 |
| 5.3 融合模型结果的比较与分析 | 第55-56页 |
| 5.3.1 人工赋权重法结果 | 第55-56页 |
| 5.3.2 线性模型学习权重法结果 | 第56页 |
| 5.3.3 两种融合方法的比较 | 第56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 总结和展望 | 第57-59页 |
| 6.1 工作总结 | 第57页 |
| 6.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 在学期间研究成果 | 第62-63页 |
| 致谢 | 第63页 |
