摘要
安徽作为劳务大省,每年春节都有大量消费群体返乡。为了更好支撑春节期间电信业务市场业务拓展,预测农村用户的返乡情况,中国电信安徽分公司利用机器学习中的随机森林算法建立相应的预测模型。模型以用户的通话行为等作为输入特征,利用随机森林算法对农村用户返乡情况进行了预测。同时建立了决策树模型与之对比,相比而言,随机森林算法具有更好的分类效果,同样在实际营销过程中,有效地提高了营销运营效率。
In order to predict the returning situation of rural users, the paper USES the random forest algorithm in machine learning to build the corresponding prediction model. The random forest algorithm is used to predict the returning situation of rural users.At the same time, the decision tree model is established and compared with it. Compared with it, the random forest algorithm has better classification effect and also effectively improves the marketing operation efficiency in the actual marketing process.
引文
[1]于朝运.启动返乡农村市场要有“返乡农民的心”[J].通信企业管理,2012(2):48-49.
[2]丁君美,刘贵全,李慧.改进随机森林算法在电信业客户流失预测中的应用[J].模式识别与人工智能, 2015, 28(11):1041-1049.
[3]马骊.随机森林算法的优化改进研究[D].广州:暨南大学,2016.
[4]李欣海.随机森林模型在分类与回归分析中的应用[J].应用昆虫学报, 2013, 50(4):1190-1197.
[5]王峥琦.基于决策树算法的改进与应用[D].西安:西安科技大学, 2005.
[6]彭徵,王灵矫,郭华.基于随机森林的文本分类并行化[J].计算机科学,2018,12(2):22-27.
[7]曹正凤.隨机森林算法优化研究[D].北京首都经济贸易大学,2014.
[8]王淑玲,黄之杰,段红梅.随机森林算法的影响分析[J].数字的实践与认识,2018,48(19):296-301.
[9]林金官,韦博成.非线性隨机效应模型的异方差性检验[J]系统科学与数学,2002,22(2):245-256.
[10]朱仲义,韦博成.半参数非线性模型的统计诊断与影响分析[J].应用数学学报,2001,24(4):568-581.