1、商品推薦的決策樹算法重慶大學碩士學位論文（專業(yè)學位）學生姓名：白浪指導教師：馬軍教授學位類別：應用統(tǒng)計學碩士重慶大學數(shù)學與統(tǒng)計學院二O一七年五月重慶大學碩士學位論文中文摘要I摘要隨著政府把“互聯(lián)網(wǎng)”納入十三五規(guī)劃綱要，推動創(chuàng)新產(chǎn)業(yè)的發(fā)展。電子商務、互聯(lián)網(wǎng)工業(yè)和互聯(lián)網(wǎng)金融等新興產(chǎn)業(yè)迅速發(fā)展壯大，累積了海量的互聯(lián)網(wǎng)信息，但這些信息是高維的，高維向量的信息有相同的成分，也有不同的成分，如果不加以處理，容易導致噪聲污染、偽相關，致使得出的結論與

2、實際偏差較大。電商是通過網(wǎng)絡平臺交易實現(xiàn)利潤滿意化的一種商業(yè)模式，商品推薦系統(tǒng)起到關鍵性的作用，它是通過對用戶消費行為數(shù)據(jù)進行分析和建模，預測消費者感興趣的產(chǎn)品，并把這些商品推薦給用戶，實現(xiàn)商品的利潤。目前商品推薦系統(tǒng)的算法是協(xié)同過濾算法，但在大數(shù)據(jù)背景下，該算法沒有充分利用商品和用戶特征信息，模型預測的結果需要做較大的修訂。論文為了提高商品推薦系統(tǒng)預測分類的精度，選取梯度提升樹算法進行預測，然后將其預測結果進行融合。這種算法能夠從海量

3、的消費行為數(shù)據(jù)中提取有用的消費信息，更加精準地把商品推薦給商品用戶，為電商帶來實際豐厚的回報。論文的主要工作：1.收集數(shù)據(jù)及數(shù)據(jù)預處理。論文中的數(shù)據(jù)是從淘寶網(wǎng)收集的消費數(shù)據(jù)，這些數(shù)據(jù)有缺省值、異常數(shù)據(jù)和量綱不一致的特點。為建模所需，采用眾數(shù)或均值填補缺省值、修訂異常數(shù)據(jù)；為克服量綱的影響，對數(shù)據(jù)進行標準化處理，保證數(shù)據(jù)的可比性。2.特征選取。特征的選取是統(tǒng)計中很重要的一步，選取的特征盡可能少和相互獨立。為避免維度太高，采用主成分分析法選