10.3969/j.issn.2095-2163.2023.01.031
基于GBDT算法的游戏销量预测模型研究
随着网络游戏的快速兴起,精确的游戏销量预测具有较高的商业价值,能够明确各方投资方向,提高收益,形成合作共赢.本文以影响游戏销量的特征数据为样本,建立基于梯度提升决策树(Gradient Boosting Decision Tree,GBDT)算法的游戏销量预测模型;并将GBDT模型预测结果与决策树、线性回归、极端随机树进行对比分析.分析表明,本文所建立的游戏销量预测模型较其它预测模型具有较高的拟合优度,预测效果更好,且在预测阶段的计算速度快,在分布稠密的数据集上,泛化能力和表达能力较好.
游戏销量、预测、梯度提升决策树
13
TP181;G623.8(自动化基础理论)
2023-02-20（万方平台首次上网日期，不代表论文的发表时间）
共4页
182-185
