基于特征選擇和模型融合的網(wǎng)絡(luò)購買行為預(yù)測研究.pdf

1、網(wǎng)絡(luò)購物已成為人們?nèi)粘Ｉ钪斜夭豢扇钡囊徊糠帧＞W(wǎng)絡(luò)購物中顧客和商家不需要面對(duì)面交易，這使得商家不能很好地把握消費(fèi)者的想法和需求。但是顧客的購物行為的任何一個(gè)細(xì)節(jié)卻服務(wù)器記錄著，這使得通過分析這些行為數(shù)據(jù)來了解消費(fèi)者的偏好甚至實(shí)現(xiàn)預(yù)測其購買行為成為可能。因此本文提出了使用大數(shù)據(jù)分析方法——機(jī)器學(xué)習(xí)算法從大量的消費(fèi)者歷史網(wǎng)購行為數(shù)據(jù)中學(xué)習(xí)出隱含在其中的購買模式獲得模型，當(dāng)新的顧客購物行為數(shù)據(jù)被輸入到該模型中時(shí)，即可實(shí)現(xiàn)對(duì)顧客購買行為的預(yù)測。

2、
　　本文首先對(duì)網(wǎng)絡(luò)購買行為的影響因素和預(yù)測研究進(jìn)行了文獻(xiàn)綜述，深入了解網(wǎng)絡(luò)購買行為的本質(zhì)并發(fā)現(xiàn)目前基于大數(shù)據(jù)分析的網(wǎng)絡(luò)購買行為研究仍處于起步階段。所以本文以阿里巴巴舉辦的大數(shù)據(jù)競賽作為研究背景，并將用戶在阿里巴巴電子商務(wù)平臺(tái)上真實(shí)的購物行為數(shù)據(jù)作為研究數(shù)據(jù)，通過使用機(jī)器學(xué)習(xí)算法對(duì)網(wǎng)絡(luò)購買行為進(jìn)行建模。首先使用Sql Server在原始數(shù)據(jù)的基礎(chǔ)上構(gòu)造了322個(gè)特征，并基于Extra-trees算法提取出對(duì)于預(yù)測購買行為最有幫助的

3、10大特征。然后本文選擇了兩種常用的機(jī)器學(xué)習(xí)算法:邏輯斯特回歸和支持向量機(jī)，將這10個(gè)特征分別輸入兩個(gè)算法得到兩個(gè)預(yù)測模型。最后本文基于Soft-voting的方法對(duì)以上兩個(gè)算法進(jìn)行融合。實(shí)驗(yàn)證明，融合后的模型較單一的模型具有更好的預(yù)測效果。
　　本文的研究以數(shù)據(jù)為驅(qū)動(dòng)，旨在實(shí)證說明使用消費(fèi)者的歷史購物行為預(yù)測其未來購買行為的可行性。本文的預(yù)測模型可以被用于購物網(wǎng)站的推薦系統(tǒng)中，實(shí)現(xiàn)用戶界面的完全個(gè)性化，激發(fā)顧客的購買欲望，提高電