《表3 XGBoost的预测结果》
基于sklearn的XGBClassifier()进行模型训练,经过调参,最终在全数据上确定的模型参数如下:learning_rate=0.2,n_estimators=500,max_depth=12,min_child_weight=1,gamma=0,subsample=1,colsample_bytree=0.9,objective=′binary:logistic′,n_jobs=-1,scale_pos_weight=2.6。高、中价值客户数据集上的模型参数与全数据上的不同的参数有:max_depth=16,scale_pos_weight=2。低价值客户数据集上的模型参数与全数据上的不同的参数有:max_depth=16,scale_pos_weight=4。最终训练的模型结果如表3所示。
图表编号 | XD00173411500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.25 |
作者 | 田波、沈江明、桂贝贝、曾志勇 |
绘制单位 | 中国电信股份有限公司云南分公司、中国电信股份有限公司云南分公司、云南省高校数据化运营管理工程研究中心、云南财经大学统计与数学学院、云南省高校数据化运营管理工程研究中心、云南财经大学信息学院 |
更多格式 | 高清、无水印(增值服务) |