基于参数优化随机森林模型的消费行为预测算法
杨千帆
李涛
贾志强
武汉科技大学计算机科学与技术学院 武汉 430065
摘要：在大数据与线上营销的影响下,零售企业也积极采取大数据智能营销方案.为了提高零售企业在消费行为预测中的精准率,从而提高企业销售额获取更大利润,从消费数据、会员数据和商品数据中通过信息增益的方法提取特征,构建基础特征群,挖掘潜在信息.利用遗传算法对随机森林的参数进行优化,建立基于参数优化的随机森林消费行为预测模型,实验数据来自某线下连锁药店37天的消费记录.将实验模型和原始随机森林模型、决策树模型、支持向量机模型和XG-Boost模型进行实验对比,实验结果表明遗传算法参数优化后的随机森林消费行为预测模型的精准率和AUC值均高于其他四种模型.
关键词：行为预测信息增益遗传算法随机森林参数优化
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(61702383)湖北省教育厅重大项目(17ZD014)
论文发表日期：2024-07-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1959-1965 )
英文信息