一种融合历史均值与提升树的客流量预测模型

摘要：

移动定位服务的发展使得互联网商家"线上线下"的交易数据急剧增长,如何挖掘出海量交易数据中隐藏的用户行为、实现智能化决策是互联网商家在运营过程中面临的一个重要问题.基于此,提出了一种融合历史均值与提升树的互联网商家客流量预测模型,其中提升树用于改进模型的预测精度,历史均值模型用于考虑客流量预测与时间的依赖关系.历史均值与提升树融合的核心思想是先通过提升树XGBoost、GBDT和历史均值模型预测商家过去三周的平均销量和总销量,然后,构建提升树模型与历史均值模型的融合权重系数公式.在包含2000个互联网商家销售数据集上实现了该方法,并将其与时间序列加权回归模型进行了对比,发现两种方法的预测结果相似,这表明该方法考虑时间因素是正确合理的;并且在训练集增大的情况下,模型的预测精度能得到显著改善.

关键词：历史均值、提升树、时间序列加权回归、互联网商家、客流量

所属期刊栏目：29

分类号：TP31(计算技术、计算机技术)

资助基金：2017年上海市大学生科创项目A1-5701-17-009-02-54;上海市教育科学研究项目C17014/17AR04

在线出版日期：2019-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：212-215