【技术实现步骤摘要】
本专利技术涉及集成学习领域，尤其是stacking，具体是2种stacking的民航顾客满意度预测算法。
技术介绍
1、如今，民用航空行业面临客源流失、顾客满意度下降等问题。与此同时，民航领域积累了大量的历史数据，数以亿计的数据还在从世界各地源源不断地产生。如何利用航空大数据，解决当前问题，实现精准定位低满意度人群，继而提高顾客满意度和忠诚度，成为了当前的一个研究热点。预测民航顾客满意度，可实现精准定位低满意度人群，全面有效地利用数据。
2、针对民航顾客满意度预测精度不高的问题，提出了2种新模型。这2种基于voting的民航顾客满意度预测算法，具体包括cxr-hard-voting和cxr-soft-voting。经过集成学习之后，预测精度得到了提高，效果优于单个模型。本专利技术将catboost、xgboost和randomforest进行了voting，得到了两个模型，cxr-hard-voting和cxr-soft-voting。其中cxr-hard-voting由1个catboost，1个xgboost和1个rf经过...
【技术保护点】
1.基于Stacking的民航顾客满意度预测算法，其特征在于，所述方法包括以下步骤：
2.根据权利要求书1中所述的基于Stacking的民航顾客满意度预测算法，其特征在于，所述步骤1中Stacking是一种集成学习方法，模型结构一般为2层，一般将数据集分为3部分，训练集、验证集和测试集，分别让第一层的三个分类器进行学习，将三个分类器获得的结果输入到下一层分类器，最后的预测结果就是最后一层分类器获得的结果，CXR-Stacking是将上文中七种模型中表现排名前三的模型通过Stacking进行了集成，CXR表示的含义即为CatBoost、XGBoost和RF，...
【技术特征摘要】
1.基于stacking的民航顾客满意度预测算法，其特征在于，所述方法包括以下步骤：
2.根据权利要求书1中所述的基于stacking的民航顾客满意度预测算法，其特征在于，所述步骤1中stacking是一种集成学习方法，模型结构一般为2层，一般将数据集分为3部分，训练集、验证集和测试集，分别让第一层的三个分类器进行学习，将三个分类器获得的结果输入到下一层分类器，最后的预测结果就是最后一层分类器获得的结果，cxr-stacking是将上文中七种模型中表现排名前三的模型通过stacking进行了集成，cxr表示的含义即为catboost、xgboost和rf，c5xr-stacking也是将上文中七种模型中表现排名前三的模型通过stacking进行了集成，但是与cxr-stacking的不同之处在于，第一层采用了5个catboost，1个xgboost和1个rf，而cxr-stacking的第一层组成为1个catboost，1个xgboost和1个rf。
3.根据权利要求书1中所述的基于stacking的民航顾客满意度预测算法，其特征在于，所述步骤1中cxr-stacking和c5xr-stacking模型结构，cxr-stacking模型由两层组成，第一层为1个catboost，1个xgboost和1个rf，第二层为七种模型中表现最好的catboost，训练集数据经过第一层，模型训练之后，丢掉原来的标签，将第一层分类器学习到的标签作为第二层分类器的输入，得到最终的预测结果，c5xr-stacking模型由两层组成，第一层为5个catboost，1个xgboost和1个rf，第二层为七种模型中表现最好的catboost，训练集数据经过第一层，模型训练之后，丢掉原来的标签，将第一层分类器学习到的标签作为第二层分类器的输入，得到最终的预测结果，c5xr-stacking模型是由cxr-stacking模型经过单个分类器模型的数量的调整而来，考虑到catboost在contact数据集上表现较好，所以优先考虑增加catboost模型的数目，本章在增加的模型上进行一些调参的工作，使得模型符合stacking“准而不同”的原则，经...
【专利技术属性】
技术研发人员：李春江，张媛媛，邹可欣，刘畅，刘诗佳，陈俊任，黄飞炀，张国彬，林乘毅，陈良银，
申请(专利权)人：四川大学，
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。