[发明专利]一种基于集成模型的电商优惠券使用概率预测方法

摘要

本发明涉及数据挖掘的技术领域，更具体地，涉及一种基于集成模型的电商优惠券使用概率预测方法。本发明的基于集成模型的电商优惠券使用概率预测方法，构建包括初级学习器和次级学习器的集成模型，结合特定单模型在预测优惠券使用概率时的优点，规避单模型预测的缺陷。在样本数据很大的情况下，提升预测精确度，降低预测模型的泛化误差。电商可以通过这种技术构建集成模型，更加精确的预测用户使用优惠券的概率值，根据概率值决定是否对用户发放优惠券，从而减少商户的运营成本，更好的达到商户想要的促销效果。

主权项

1.一种基于集成模型的电商优惠券使用概率预测方法，其特征在于，包括以下步骤：S1.统计用户线上线下的历史消费数据并进行预处理，所述预处理包括剔除缺失率超过设定阈值的数据以及对缺失的数据进行填补，得到第一数据集；S2.对步骤S1中第一数据集中的数据进行特征提取得到待分析的特征，构建特征体系，所述特征体系包括商户特征、优惠券特征、用户特征、用户与商户组合特征以及其他特征；S3.将步骤S1中第一数据集分为正类数据和负类数据，所述负类数据为领取的优惠券数量大于使用的优惠券数量的数据，所述正类数据为第一数据集中除负类数据外的数据；选取所有的正类数据，并多次随机采取与正类数据数量1～1.5倍的负类数据，形成训练样本；构建初级学习器，输入所述训练样本的特征变量，输出各个抽样样本预测的概率值；S4.构建次级学习器，输入为步骤S3中初级学习器基于各个训练样本预测的概率值，输出为基于整个训练样本预测的概率值。