《表1 特征选择：基于梯度提升树模型的网络优惠券使用预测》
提示：宽带有限、当前游客访问压缩模式
根据线上事务记录和线下事务记录的基本特征，可生成优惠券、商户、用户三类特征，并派生出用户与商户的交叉特征，见表1。
| 图表编号 | XD0069523400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.28 |
| 作者 | 陆平、陈笑天 |
| 绘制单位 | 中国电子信息产业发展研究院、中国电子信息产业发展研究院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 成分分析记录表：基于梯度提升回归树的冷水机组能耗预测方法》2020.11.28
- 《表1 整定公式：基于梯度提升回归树的冷水机组能耗预测方法》2020.11.28
- 《表1 特征选择过程：基于特征选择的RF-LSTM模型成分股价格趋势预测》2021.01.10
- 《表2 混淆矩阵：基于特征选择的RF-LSTM模型成分股价格趋势预测》2021.01.10
- 《表3 模型预测精度对比：基于变量选择深度信念神经网络的风速预测》2021.01.30
- 《表1 特征量相关系数：基于梯度提升决策树的车轮轮缘厚度磨耗预测》2020.11.18
- 《表1 样品信息表：基于近红外光谱和梯度提升决策树建立当归药材及伪品的定性判别模型》2019.10.20
- 《表3 决策树、随机森林以及梯度提升回归树对比》2019.12.20
- 《表3 数据特征描述：基于XGBoost的三分类优惠券预测方法》2019.10.01
- 《表1 1 梯度提升决策树训练结果》2019.09.20
- 《表1 0 梯度提升决策树训练结果》2019.09.20
- 《表1 特征选择比较：基于语言模型及循环卷积神经网络的事件检测》2019.05.28
- 《表2 混淆矩阵：基于梯度提升树模型的网络优惠券使用预测》2019.06.28
- 《表4 梯度提升树的重要性排名前十特征》2019.06.28
- 《表1 基于不同特征选择算法构建RF分类预测模型实验结果》2019.04.01
- 《表1 轿车色彩特征：基于BP神经网络的轿车造型意象设计与量化预测模型建立》2019.08.20
- 《表1 试验方案列表：同步压缩小波与极限梯度提升树融合的柴油机失火故障诊断》2019.02.10
- 《表1 单分钟识别率对比：基于梯度提升树的ECG-SAS自动识别方法》2019.12.01
- 《表1 测试网络特征参数：基于有限理性的随机网络路径选择模型》2019.12.10
- 《表2 回归模型特征：基于卷积神经网络的机票低价预测》2019.10.01