TY -的A2 -切,Hangjun盟——冯,Lei PY - 2022 DA - 2022/03/24 TI -数据分析和预测建模基于深度学习在电子商务中SP - 1041741六世- 2022 AB -由于低效率的传统数据分析方法为大型电子商务数据分析、电子商务数据分析和预测方法提出了基于GBDT深学习模型。购买行为分为另一个类别,将电子商务数据分析和预测的问题转换成一个二进制分类问题。与此同时,我们提取107特性,可以反映出用户的行为和构建GBDT模型。特点包括计算类,分类类,时差类,转化率类,等等。上面可以看出,电子商务数据的分析和预测。此外,结果表明,当GBDT模型参数的学习速率为0.05,基本的学习者的数量是200,树的深度是20,阈值是0.5,模型预测效果最好,F1值可以达到0.12。与传统的基于逻辑回归和神经网络预测模型,提出GBDT模型更适合电子商务数据分析和预测。SN - 1058 - 9244 UR - https://doi.org/10.1155/2022/1041741 - 10.1155 / 2022/1041741摩根富林明科学编程PB - Hindawi KW - ER