AITOP
论文

混合Ret-DNN与XGBoost的电商客户行为预测模型

Predictive Analytics in E-Commerce for CustomerBehavior Forecasting using hybrid Ret-DNN withXGBoost Model

arXiv cs.LG@Degala Pushpa Sri, Mayank Atreya, Lakshmi. H, Navin Chhibber, Mukesh Soni学术论文
阅读原文
精选理由

这篇论文用Ret-DNN加XGBoost预测电商客户行为，MAE仅0.2193，比单独用Ret-DNN效果更好，适合做电商预测研究的人参考。

AI 摘要

该研究针对电商平台难以预测客户未来购买行为的问题，提出混合Ret-DNN（零售深度神经网络）与XGBoost（极端梯度提升）模型。数据来自英国在线零售商，包含近500,000条交易记录。Ret-DNN作为特征提取器捕获时间特征，XGBoost基于提取特征输出购买概率。该模型在测试集上达到0.2193的平均绝对误差（MAE），优于纯Ret-DNN模型。

AI 翻译 · 中文

该研究针对电商平台难以预测客户未来购买行为的问题，提出混合Ret-DNN（零售深度神经网络）与XGBoost（极端梯度提升）模型。数据来自英国在线零售商，包含近500,000条交易记录。Ret-DNN作为特征提取器捕获时间特征，XGBoost基于提取特征输出购买概率。该模型在测试集上达到0.2193的平均绝对误差（MAE），优于纯Ret-DNN模型。

arXiv cs.LGIn recent years, electronic (E) commerce services have rapidly increased in the daily lives of people, which helpsthem to purchase products online. However, retail platforms have struggled to understand customer behavior…
#Ret-DNN#XGBoost#客户行为预测#电商#预测分析
阅读原文
← 返回首页看更多 AI 资讯