声明
绪论
第一节 研究背景与研究意义
一、研究背景
二、研究意义
第二节 文献综述
一、国内研究现状
二、国外研究现状
三、国内外研究动态简评
第三节 研究内容和研究方法
一、研究内容
二、研究方法
第四节 研究的创新
第一章 相关理论基础概述
第一节 模型算法理论基础概述
一、Boosting理论基础概述
二、决策树理论基础概述
三、GBDT梯度提升树理论基础概述
第二节 XGBoost算法理论基础概述
一、XGBoost的原理基础概述
二、XGBoost算法的优点概述
三、XGBoost算法的优化提升方法
第三节 LightGBM算法理论概述
一、LightGBM算法的原理概述
二、LightGBM算法的优点概述
三、LightGBM算法的优化提升方法
第四节 LightGBM算法和XGBoost算法的性能比较
第二章 数据的描述性分析和特征预处理
第一节 数据的获取与结构
一、数据的来源与获取
二、数据的结构介绍
第二节 数据的描述性统计分析
一、基础数据的描述性统计分析
二、用户信息数据集的描述性统计分析
三、店铺信息数据集的描述性统计分析
四、广告商品信息数据集的描述性统计分析
五、上下文信息数据集的描述性分析
第三节 数据的特征提取和处理
一、数据的预处理
二、数据的特征提取
第三章 基于预处理后的数据进行转化率的预测
第一节 建立基于LightGBM算法的二分类模型
一、建立LightGBM模型并进行预测效果检验
二、LightGBM预测模型中的贡献度高的解释变量
第二节 建立基于XGBoost算法的二分类模型
一、建立XGBoost模型并进行预测效果检验
二、XGBoost预测模型中的贡献度高的解释变量
第三节 基于建立的LightGBM模型与XGBoost模型损益比较分析
一、解释变量贡献度比较
二、模型损益比较
结论与展望
参考文献
附录A 参数网格搜索结果
中南财经政法大学;