基于GBDT的商品分配层次化预测模型

• 作者: 常冬霞 朱振峰 汤静远 赵耀
• 来源期刊: 北京交通大学学报
• 学科: 工学
• 关键词: 决策树 回归模型 GBDT 集成学习
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 智能交通和数据挖掘
• 页码范围: 9-13,45
• 页数: 6页
• 分类号: TP181
• 字数: 4423字
• 语种: 中文
• DOI: 10.11860/j.issn.1673-0291.2018.02.002

摘要

商品预测是使用以往商品信息去估计和推断未来商品的销售趋势,并以此作为对商品进行合理调配与规划的依据.为实现对商品销售的精确预测,在GBDT基础上,提出了一种层次化集成预测模型(HGBDT).针对数据表征的高维问题,基于Bagging思想,在特征空间构建了该模型,实现对商品的有效描述,以此提高预测模型的性能与泛化能力.在开放数据库上的实验结果验证了本文模型的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱振峰	北京交通大学计算机与信息技术学院	19	93	6.0	8.0
5	汤静远	北京交通大学计算机与信息技术学院	1	7	1.0	1.0
9	常冬霞	北京交通大学计算机与信息技术学院	8	47	4.0	6.0