[发明专利]一种基于多模型融合的潜在换机用户发现方法

摘要

本发明提出一种基于多模型融合的潜在换机用户发现方法，该方法主要包括用户的消费数据和换机轨迹数据采集和预处理、特征构建、模型构建及模型融合、预测等步骤。本发明旨在利用机器学习算法的多样性和差异性，将多个模型组合起来，以获得更好的效果，使集成的模型具有更强的泛化能力。通过用户历史数据进行训练，最后在数据集上进行预测，从而得到即将换机的高价值用户，并精确的为用户推送手机信息。

主权项

一种基于多模型融合的潜在换机用户发现方法，其特征在于，包括以下步骤：(1)数据采集和预处理，收集用户的基本信息和用户历史换机轨迹信息，删除异常信息，处理缺失信息，对数值型信息进行归一化处理；利用时间窗口划分训练集、验证集和测试集；(2)特征构建，根据步骤(1)训练集和测试集中的数据提取出基本信息，以及对基本信息进行扩展得到原始特征；对原始特征分别进行排序得到排序特征；用皮尔逊相关系数衡量原始特征和目标之间变量的相关性，构建多项式特征；将训练集和测试集中的无关联属性特征作为离散特征；(3)模型构建及模型融合，分别构建树型模型、超平面模型和惰性模型中的典型的分类器Xgboost、LIBSVM和KNN，用训练集中的数据分别对Xgboost，LIBSVM和KNN进行训练，再用训练后的Xgboost、LIBSVM和KNN分别训练测试集；(4)用步骤(3)所述Xgboost、LIBSVM和KNN分类器分别对未知样本进行预测，得到的多个预测结果进行加权投票为最终的预测结果。