模型融合在用户续购行为分析中的应用

摘要：

当今时代大数据分析及其商业应用已成为研究热点,根据机器学习中集成学习的思想,从模型融合方面着手,研究提高模型融合准确率和鲁棒性的方法,设计了基于逻辑回归的二层模型融合算法,简称TMBLR算法,并将该算法应用于某商业软件的用户续购分析上.实验结果显示,该融合模型算法有更高的鲁棒性和更准确的预测结果,比使用单个基分类器的F1值高出2.05%;与常用的投票法相比,该算法的平均F1值高出1.1%,F1值的均方差值要低7.2‰,表明该算法稳定性更好;在该融合算法的第二层训练中,使用逻辑回归算法时的准确率、F1值和时间效率较高.

关键词：大数据、机器学习、集成学习、模型融合、逻辑回归

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目F020107

在线出版日期：2017-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2231-2235