基于机器学习理论的线上消费者行为研究

摘要

随着线上购物平台的蓬勃发展，一方面互联网的日趋成熟便捷了人们的生活，提高了人们的生活质量；另一方面，由此产生的海量数据中隐含巨大待开发的价值。线上消费者数据的研究除了具有巨大的社会商业价值，也具有重要的学术研究价值。线上消费者行为数据类型复杂，分析角度众多。如何从海量数据中挖掘有效信息？何种分析角度更高效且具有意义？这些都是研究人员一直在思考和改进的问题。　　更多数据的出现，使分析数据的工具得以发展，从20世纪50年代至今，机器学习的使用在大数据时代得到充分的释放和应用。不同时期的机器学习完成了不同的使命，从机器学习到数学理论支撑，从统计机器学习的开始到深度学习的完善，机器学习有很多需要挖掘和运用的地方。人工神经网络效仿生物体思考问题的原理，在不断学习过程中完善自身，大大加强了对数据的处理和分析能力。　　因此如何理解新时代下的机器学习应用？如何将使人困惑的日常问题通过技术在数据中找到答案？线上消费者的购买行为预测是一种通过已发生的行为数据掌握消费者接下来行为动向，通过这些数据判断线上消费者的最终行为。线上消费者的购买行为分析预测一方面要了解商品特征，购买数量和对应消费群体；另一方面要考虑每个消费者的购买习惯。本文以购物平台的真实数据为基础，通过不同的角度建立问题并提供相应的求解思路，利用BP前馈神经网络处理历史数据预判线上消费者购买行为发生与否，利用LSTM循环神经网络分析指标积累量预测购买量的多少。本文从两个实际例子出发，通过BP前馈神经网络和LS TM循环神经网络来进行分析处理，更加深入的体会相关理论知识的作用与魅力。

目录

1绪 论

1.1 研究背景

1. 2. 1人工神经网络

1. 2. 2人工神经网络的优势

1. 3. 1机器学习发展历程

1. 3. 2机器学习到统计机器学习的过渡

1. 3. 3人工神经网络学习

1. 3. 4电商现状发展分析

1. 3. 5电商数据发展价值

1.4.1 本文框架

1. 4. 2本文研究方法

2 相关理论简述

2.1机器学习

2.1.1 国外研究现状

2.1.2 机器学习分类

2.2时间序列理论

2.3购买行为预测理论

2.4消费者行为理论

2.5遗忘曲线理论

3BP前馈神经网络模型研究及实证分析

3.1 BP前馈神经网络

3.1.1 BP前馈神经网络基本原理

3.1.2 BP前馈神经网络算法

3.1.3 BP前馈神经网络的特点和局限

3.2.1 问题阐述

3. 2. 2消费者行为指标选取

3.2.3 数据预处理

3.2.4 效用函数应用

3.2.5 模型训练步骤

3.2.6 模型训练过程

3. 2. 7结果及检验

4RNN循环神经网络模型研究及实证分析

4.1 RNN循环神经网络

4.1.2 RNN循环神经网络基本原理

4.1.2 RNN循环神经网络BPTT算法

4.1.3 RNN循环神经网络的特点和局限

4.1.4 RNN循环神经网络的优化算法 LSTM

4.2.1 问题阐述

4.2.2 商品信息指标选取

4.2.3 数据预处理

4.2.4 时间序列数据

4.2.5 模型训练步骤

4.2.6 模型训练过程

4.2.7 结果及检验

5 结 论

参考文献

附 录:A 学位论文数据集

致谢

声明