典型文献
基于高维时序特征补充的直播行业用户流失预测模型
文献摘要：
用户流失预警是企业最为重要的工作之一,而精确的流失预测是用户预警的基础.目前针对互联网行业的流失预测研究相对较少,首先立足于以往研究中常涉及的常规特征,选择KNN、SVM、PSO-GA-BP、RF、XGBoost等经典算法进行建模对比,探索不同算法的预测效果.同时,针对建模中缺乏利用时间序列信息的问题,对时间序列进行深入挖掘,提取高维时序特征作为传统常规特征的补充,并应用在表现最好的RF、XGBoost模型上.实验结果表明,在各项指标上,基于补充后的融合特征模型预测效果有显著提升.
文献关键词：
直播行业;用户流失预测;时间序列特征;模型融合
中图分类号：
作者姓名：
郑桂钖;徐宽
作者机构：
华南理工大学工商管理学院,广东 广州 510000;中国科学技术大学大数据学院,安徽 合肥 230000
文献出处：
引用格式：
[1]郑桂钖;徐宽-.基于高维时序特征补充的直播行业用户流失预测模型)[J].科技与创新,2022(23):56-61
A类：
B类：
高维,时序特征,直播行业,行业用户,用户流失预测,流失预警,互联网行业,预测研究,常规特征,KNN,PSO,GA,RF,XGBoost,序列信息,融合特征,特征模型,时间序列特征,模型融合
AB值：
0.342114
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。
