基于代价敏感LightGBM的网购意愿预测研究.pdfVIP

第卷第期()

632厦门大学学报自然科学版Vol.63No.2

年月()

20243JournalofXiamenUniversitNaturalScienceMar.2024

y

:/

doi10.6043.issn.0438-0479.202209049

j

基于代价敏感LihtGBM的网购意愿预测研究

g

12*3

,,

罗咪邱一卉林建宗

(,)

厦门理工学院经济与管理学院福建厦门361005

摘要:[],

目的由于购买商品的消费者数量远小于未购买商品的消费者数量网购意愿预测研究是典型的不平衡数据

,

分类问题研究不平衡数据的分类问题以提升网购意愿预测的分类准确率该问题主要存在少数类样本识别准确率远

.

[](

小于多数类样本的问题方法提出一种基于贝叶斯优化的代价敏感轻量梯度提升机

.LihtGradientBoostin

gg

,),

模型首先引入误分类代价作为惩罚因子修正的损失函数其次通过阈值移动降低模型

MachineLihtGBM.LihtGBM

gg

,、

的分类阈值以提高针对少数类样本的预测准确率最后利用贝叶斯优化算法优化误分类代价参数分类阈值及其他参

[],,

数结果从数据库中选取个典型的不平衡数据集进行对比实验相较于标准模型改进

.KEEL5LihtGBM

g

;

LihtGBM模型的AUC值和G-mean值均提升了10%左右相较于遗传算法优化代价敏感LihtGBM模型和粒子群优

g