基于时间序列的用户行为预测
来源:互联网 发布:招商银行java面试经验 编辑:程序博客网 时间:2024/05/01 05:17
最近老师给了一篇顶会的论文《Modeling and Predicting Behavioral Dynamics on the Web》,让我实现论文里提到的用户行为预测的方法。通过该论文掌握基本的时间序列预测模型、参数估计方法以及论文中新提出的动态模型选择方法。 论文中主要针对用户在网页上的搜索和点击URL的行为进行预测,使用的最基本的方法是基于简单的Holt-Winters模型,即三次指数平滑法,通过对该模型进行改进,增加了一些周期性、季节性组件,达到了优化预测效果的目的,能针对数据的特点,更好地实现预测。 除此之外,论文还对数据进行了详细的分析,提取出了数据的937种特征值并且将特征值归类。这里将要重点学习下如何提取时序数据的特征值,并且能够根据特征值进行分类。提取特征值的主要目的是建立DML(dynamic model leaner),根据提出的特征值动态地选取适当的预测模型,能够实现较复杂的模型的预测。(我觉得下一步的方向可以学习下时序数列的数据挖掘方法,熟悉掌握一些常用的数据预测的模型,最近在学习《matlab超级智能算法》这本书,感觉还是挺有用的) 现在已经初步实现了Holt-Winters模型,下一步的计划是实现贝叶斯预测模型,对比一下二者的效果,熟悉下matlab编程。另外还在学习S.J的《matlab编程》 这就是今天的主要的内容了
0 0
- 基于时间序列的用户行为预测
- 基于时间序列的用户预测模型
- 基于WEKA实现时间序列的预测
- 基于时间序列模型的预测
- 基于时间序列的股票趋势预测模型
- 基于小波变换的时间序列预测
- 基于Keras的LSTM多变量时间序列预测
- 互联网用户行为的建模与预测
- 基于R语言的用户征信行为分类预测模型搭建总结
- debounce去抖和基于用户行为预测的切换技术
- 基于R语言的用户征信行为分类预测模型搭建总结
- 【大数据部落】基于ARIMA、SVM、随机森林销售的时间序列预测
- 代码干货 | 基于Keras的LSTM多变量时间序列预测
- 基于小波变换的时间序列预测,Python实现,来自雪球,
- 基于GM(0,N)的时间序列预测R实现
- 利用时间序列预测用户系统是否过载
- Tensorflow LSTM时间序列预测的尝试
- 循环神经网络(rnn)的时间序列预测
- OpenCV中GPU模块使用
- 添加osd节点纪要
- 管理应用内存
- PS蒙版有什么作用,如何应用蒙版。
- hbase协处理器--创建endpoint协处理器
- 基于时间序列的用户行为预测
- iOS 万能跳转界面方法 (runtime实用篇一)
- 建立linux主机间信任关系
- 交换两个数的五种方法
- SDUTOJ 1381 小P寻宝记——粗心的基友 (01背包)
- rc.d init.d rc.local .... cron crontab
- 制造并批量生产现实版“储物戒指”
- 【软工视频总结】设计阶段
- 逆向工程核心原理学习笔记1-通过IAT手工定位notepad.exe中的导入函数