典型文献
改进EasyEnsemble的软投票策略下的用户购买预测方法
文献摘要：
随着互联网发展,网上购物已经成为人们越来越多的选择.为了更好实现帮助顾客推荐商品的目的,对原有数据进行特征提取,再用互信息的方法对数据进行特征选择;用改进的EasyEnsemble算法处理类别不平衡的问题,利用集成策略弥补欠采样的缺陷,使样本数据得到充分的利用并且降低了正负样本差造成的影响;最后选择使用软投票的方法将XGBoost和随机森林结合为一个终分类器做预测,并与单一的算法相比,从而得到更好的结果.基于阿里巴巴天池大赛所提供的数据,以查准率P、召回率R和F1值为评价指标,分别与当前热门的机器学习算法进行对比,验证了本文方法的有效性.
文献关键词：
互信息;类别不平衡;EasyEnsemble;XGBoost
中图分类号：
作者姓名：
杨进;张晨
作者机构：
上海理工大学理学院,上海 200093
文献出处：
引用格式：
[1]杨进;张晨-.改进EasyEnsemble的软投票策略下的用户购买预测方法)[J].计算机与现代化,2022(07):47-53
A类：
B类：
EasyEnsemble,投票,购买预测,互联网发展,网上购物,顾客,互信息,特征选择,类别不平衡,集成策略,欠采样,正负样本,后选择,XGBoost,分类器,阿里巴巴,天池,查准率,召回率,机器学习算法
AB值：
0.417106
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
