基于Bagging策略的XGBoost算法在商品购买预测中的应用

• 作者: 周成骥 谢冬青
• 来源期刊: 现代信息科技
• 学科: 工学
• 关键词: 数据挖掘 购买行为 XGBoost 集成学习
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 计算机科学
• 页码范围: 80-82
• 页数: 3页
• 分类号: TP391.3
• 字数: 2577字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-4706.2017.06.032

摘要

随着电子商务的发展,越来越多的消费者在线上购买商品.消费者在登录购物网站时,往往会留下大量的历史行为数据.如何通过消费者的行为记录,预测消费者未来的购买行为,并以此为依据,设计推荐系统,成为越来越多的学者研究的重点.本文将XGBoost算法应用到商品购买预测中,并使用Bagging集成学习方法对单一算法进行改进,以提高预测的准确性.最后通过实验证明,采用Bagging集成学习方法的XGBoost算法模型整体效果上明显优于单一算法的模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢冬青	广州大学计算机科学与教育软件学院	70	339	11.0	16.0
2	周成骥	广州大学计算机科学与教育软件学院	1	10	1.0	1.0