10.3969/j.issn.1000-386x.2024.01.003
基于三重混合采样和集成学习的潜在高价值旅客发现
考虑潜在高价值旅客特有的数据高度不平衡、旅客特征和价值类别弱相关等问题,提出一种基于三重混合采样和集成学习的潜在高价值旅客发现模型.采用RFM(Recency Frequency Monetary)方法标注旅客类别;使用三重混合采样对不平衡旅客数据集进行重采样;使用融合特征选择算法遴选旅客特征;使用梯度提升决策树作为分类器,构建旅客价值预测模型,识别潜在高价值旅客.在PNR数据集上的实验结果表明,与基准算法相比,该模型能取得更好的AUC值和F1值,可以较好地识别潜在高价值旅客.
航空运输、三重混合采样、特征重要性排序、潜在高价值旅客、不平衡分类、集成学习
41
TP391(计算技术、计算机技术)
国家自然科学基金;中国民航大学科研基金项目;民航旅客服务智能化应用技术重点实验室项目
2024-02-27(万方平台首次上网日期,不代表论文的发表时间)
共7页
12-17,35