基于数据挖掘驱动的集成学习模型在电商用户购买行为预测中的应用

刘宇辉; 宾俊; 郑爽; 李琪康; 穆彦华

doi:10.12184/wspcyycx2WSP2516-415528.20261004

PDF
导出
分享
收藏
专辑

10卷第4期

浏览量: 0 Downloads: 0

基于数据挖掘驱动的集成学习模型在电商用户购买行为预测中的应用
基于数据挖掘驱动的集成学习模型在电商用户购买行为预测中的应用
湖南工学院，湖南衡阳 421002
2026年10卷第4期页码：130-133
纸质出版：2026-04-30
DOI：10.12184/wspcyycx2WSP2516-415528.20261004
Accepted：

Scan QR Code

刘宇辉,宾俊,郑爽等.基于数据挖掘驱动的集成学习模型在电商用户购买行为预测中的应用[J].创意与创新,2026,10(04):130-133.

刘宇辉, 宾俊, 郑爽, 李琪康 & 穆彦华. (2026). 基于数据挖掘驱动的集成学习模型在电商用户购买行为预测中的应用. Creativity and Innovation, 10(4), 130-133..
刘宇辉,宾俊,郑爽等.基于数据挖掘驱动的集成学习模型在电商用户购买行为预测中的应用[J].创意与创新,2026,10(04):130-133. DOI： 10.12184/wspcyycx2WSP2516-415528.20261004.

刘宇辉, 宾俊, 郑爽, 李琪康 & 穆彦华. (2026). 基于数据挖掘驱动的集成学习模型在电商用户购买行为预测中的应用. Creativity and Innovation, 10(4), 130-133.. DOI： 10.12184/wspcyycx2WSP2516-415528.20261004.

摘要

随着互联网与电子商务的快速发展，电商平台积累了海量用户行为数据，用户购买行为预测成为精准营销与个性化推荐的核心技术。本文针对电商场景下数据异构、样本不平衡、特征维度高等问题，提出融合多模态数据与集成学习的用户购买行为预测方法。研究基于真实电商用户行为数据集，完成数据探索、缺失值处理、多模态特征融合与多尺度时间窗口特征构建；采用XGBoost、LightGBM、CatBoost、Extra Trees四种集成模型进行对比实验，并通过Stacking与Blending策略实现模型融合优化。实验结果表明，单一模型中XGBoost在不平衡数据集上表现最优，F1值达0.6556；融合模型进一步提升性能，Stacking准确率达96.69%，Blending在召回率与F1值上更具优势。本文方法有效提升了用户购买预测精度，可为电商平台推荐系统优化、精准营销与用户运营提供技术支撑。

Abstract

关键词

Keywords

references

中国互联网络信息中心.第50次中国互联网络发展状况统计报告[R/OL].(2022-08-31)[2022-12-01].

李季,王汉生,涂平.对于尝试-重购新产品扩散模型的改进:logit模型及NILS估计[J].中国管理科学,2008,16(6):105-111.

舒方,马少辉.客户重复购买的组合预测方法[J].计算机与现代化,2015(5):67-70.

宗会娟.基于BG/NBD模型的客户重复购买预测实证研究[J].江苏商论,2016(11):13-15.

Silahtaroglu G,Donertasli H.Analysis and prediction of Ε-customers' behavior by mining clickstream data[C]//2015 IEEE International Conference on Big Data.IEEE,2015:1466-1472.

宇环.基于企业数据的顾客购买行为预测和礼品赠送策略优化研究[D].北京:中国科学技术大学,2019.

马倩.基于机器学习的电子商务平台重复购买客户预测[D].兰州:兰州大学,2017.

王克利,邓飞其.基于阿里巴巴大数据重复购买预测的实证研究[J].时代金融,2018(3):237-239.

张李义,李一然,文璇.新消费者重复购买意向预测研究[J].数据分析与知识发现,2018,2(11):10-18.

Chang H J, Hung L P, Ho C L. An anticipation model of potential customers'purchasing behavior based on clustering analysis and association rules analysis[J]. Expert systems with applications,2007,32(3):753-764.