基于XGBoost算法的电商用户重复购买行为预测

摘要：

机器学习算法广泛应用于电商用户行为数据分析及商业预测.其中,XGBoost算法作为一种常用的有监督机器学习算法,能够实现电商用户行为特征最优选择与行为模型构建、评估消费价值、预测重复购买行为概率、提高商业决策的精准性与可行性.本研究采用阿里云天池大数据竞赛"天猫复购预测"所提供的"双十一"电商购物节关联数据集中约42 万电商平台用户产生的5 500 万条行为数据,基于促销活动情境完成特征构造,实现有监督分类学习.本研究实现了XGBoost算法的参数优化与数据特征值处理过程优化,完成了促销活动后6 个月内电商用户重复购买行为的预测模型演算.结果表明:优化后的XGBoost算法能够比较精准地预测电商用户重复购买行为、评估在线用户潜在购买价值、实现精准营销以及真正促进促销活动的长期投资回报率提高.

关键词：XGBoost算法、集成学习、特征工程、重购预测、精准营销

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金资助项目;广州市哲学社会科学发展十四五规划课题;深圳市哲学社会科学规划课题

在线出版日期：2023-07-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：134-145