基于GBDT
模型的用户购买商品的预测
上述两篇博文讨论了题目内容并对题目进行了简单的剖析,包括绘制了用户每日(小时)的不同操作数的柱状图和大概率基于某个时间T
内用户对商品加购后并购买商品的预测并绘制柱状图。并对该数据集构建具有100
个特征的特征工程,确保数据特征的充分性。这篇博文将从机器学习模型GBDT
的角度出发,使用GBDT
模型对用户在12
月19
日是否购买商品进行预测。
1、GBDT
模型简介
GBDT
(梯度提升决策树)是一种基于Gradient Boosting
的策略训练出来的DT
模型。其核心思想是将提升过程建立在对“之前残差的负梯度表示”的回归拟合上,其结果是一组回归分类树组合(CART Tree Ensemble
): T 1 , ⋯ , T K T_1,\cdots,T_K T1,⋯,T