【技术实现步骤摘要】
基于改进型多层Stacking模型的目标用户挖掘方法及装置
[0001]本专利技术涉及数据存储
，特别涉及一种基于改进型多层Stacking模型的目标用户挖掘方法及装置。
技术介绍
[0002]目前通信领域对产品进行市场营销时，其套餐的多样化和对用户群体的精确化程度越来越高，需要对特定群体进行精准营销，如夜间0
‑
8时3元5G流量包，针对每日凌晨0点到8点的高流量消耗且低套餐值的用户进行营销。制定精准营销策略时，通常由业务人员圈定一批目标用户，对范围内的用户进行营销推荐，实施效果经常对用户造成过度打扰或营销结果达不到预定目标。因此，目标用户群体的圈定过程已经逐步由人工定义向着引入数据挖掘模型分析方式在转变，即在营销过程中引入数据挖掘模型，由人工圈定一批优先体验用户进行营销推送，并得到已订购用户，或者将过往的人工营销数据作为训练数据，来对基础的数据挖掘模型进行训练，得到可以用来识别订购意向概率较高的目标用户的数据挖掘模型，由此，之后特定优惠套餐用户群圈定过程使用已训练好的数据挖掘模型，以此可以一定程度提
【技术保护点】
【技术特征摘要】
1.基于改进型多层Stacking模型的目标用户挖掘方法，其特征在于，包括步骤：S1、获取原始数据集和原始Stacking分类模型，所述原始数据集为预先打标好的用户数据，所述原始Stacking分类模型中每一层均设置有X种基础分类器，其中，X为大于1的正整数；S2、根据所述原始数据集依次对所述原始Stacking分类模型中的每一层进行训练，以得到训练好的目标用户分类模型，所述目标用户分类模型中的第一层和第三层都只包括多种基础分类器中分类准确性最高的一种基础分类器，且第二层包括所有种类的基础分类器；S3、获取待分类用户集，将所述待分类用户数据输入到所述目标用户分类模型，以得到目标用户集。2.根据权利要求1所述的基于改进型多层Stacking模型的目标用户挖掘方法，其特征在于，所述步骤S2包括：S21、使用所述原始数据集D中的训练集D1对第一层的X种基础分类器分别进行训练，并使用所述原始数据集中的测试集D
T
验证各种基础分类器的分类准确性，将分类准确性最高的第一分类器作为第一层分类器，根据所述第一层分类器对所述原始数据集D进行预测，得到第一层元数据集D'；S22、使用所述第一层元数据集D'对第二层的X种基础分类器进行训练，得到训练好的第二分类器，将X种第二分类器作为第二层分类器，使用所述第二层分类器对第一层元数据集D'进行预测，得到第二层元数据集D”；S23、使用所述第二层元数据集D”对第三层的X种基础分类器进行训练，将训练后分类准确性最高的第三分类器作为第三层分类器，得到目标用户分类模型。3.根据权利要求2所述的基于改进型多层Stacking模型的目标用户挖掘方法，其特征在于，所述步骤S23之后还包括：S24、使用原始数据集D对不同迭代次数的目标用户分类模型进行测试，得到每一个基础分类器在不同迭代次数下的分类准确性，将每一个基础分类器中分类准确性最高的迭代次数赋予所述目标用户分类模型中对应的基础分类器。4.根据权利要求3所述的基于改进型多层Stacking模型的目标用户挖掘方法，其特征在于，所述步骤S24之后还包括：S25、使用不同的初始化参数构造n个第一分类器，当n取不同正整数时，得到多个备选的第一层分类器，使用所述原始数据集D对每一个备选的第一层分类器进行测试，得到每一个备选的第一层分类器的分类准确性，将备选的第一层分类器中分类准确性最高的一个作为最终的第一层分类器；S26、获取X种第二分类器，对于每一种第二分类器构建n'个分类器，合计得到X*n'个分类器，当n'取不同正整数时，得到多个备选的第二层分类器，之后对每一个备选的第二层分类器进行测试，得到每一个备选的第二层分类器的分类准确性，将备选的第二层分类器中分类准确性最高的一个作为最终的第二层分类器，得到训练好的目标用户分类模型。5.根据权利要求1至4任一所述的基于改进型多层Stacking模型的目标用户挖掘方法，其特征在于，所述基础分类器包括RandomForest、DecisionTree、SVC、KNeighbors中至少两种。
6.基于改进型多层Stacking模型的目标用户挖掘装置，包括存储器、处理器及存储在存储器上并可在处理...
【专利技术属性】
技术研发人员：周应鹤，陈华栋，周妍君，
申请(专利权)人：福建福诺移动通信技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。