摘要
本发明公开了基于Uplift‑Tree的司机营销敏感度预估方法及系统;本发明涉及大数据分析和机器学习技术领域;收集包含司机样本i的数据集D,对于数据集中的每个司机样本i,计算其潜在的响应值(若接受处理)与实际响应值(若未接受处理)之间的差异,并乘以处理指示变量,得到提升值Ui;采用预剪枝或后剪枝策略,防止模型过拟合。预剪枝在树生长过程中停止树的增长,当某个节点的样本量少于预定阈值或提升值增益小于预定阈值时停止分割。本发明通过精准预估司机的营销敏感度,网约车平台能够针对高敏感度的司机群体制定更加个性化和有效的营销策略。这有助于提升营销活动的响应率和转化率,从而增加平台的收入和市场份率。
技术关键词
司机
Fisher准则
剪枝策略
样本
特征选择
网约车平台
节点
机器学习技术
计算方法
数据
模型训练模块
变量
矩阵
监测模块
收入
聚类
索引
系统为您推荐了相关专利信息
态势感知方法
多元异构数据
多尺度特征提取
时域卷积网络
表达式
快速检测方法
曲线
DTW算法
样本
轨道交通智能运维
双向长短期记忆网络
转辙机缺口
状态检测方法
网络结构
随机森林
特征金字塔网络
极化SAR图像
极化相干矩阵
频谱特征
深度特征融合