典型文献
基于机器学习的石家庄市华莱士选址研究
文献摘要：
随着社会的发展,传统的店铺选址预测方案已不能很好满足当前需求,而近几年兴起的大数据技术为店铺选址研究提供了全新的思路.本文以石家庄市华莱士店铺为研究对象,将选址看成二分类的问题,利用KNN、SVM、GBDT和RF算法进行分类预测,得到选址预测模型.采用准确率、精确率、召回率以及F1值等评价指标来评估预测模型的性能好坏.结果表明:相对其他三种算法来说,KNN算法具有较高的预测准确率,模型性能较好.
文献关键词：
选址;机器学习;大数据;特征指标
中图分类号：
作者姓名：
徐金红;李晓雅
作者机构：
河北经贸大学数学与统计学学院
文献出处：
引用格式：
[1]徐金红;李晓雅-.基于机器学习的石家庄市华莱士选址研究)[J].河北企业,2022(03):63-65
A类：
B类：
基于机器学习,石家庄市,华莱士,选址研究,店铺选址,预测方案,年兴,看成,二分类,KNN,GBDT,RF,分类预测,精确率,召回率,评估预测,好坏,预测准确率,模型性能,特征指标
AB值：
0.402933
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。
