基于LightGBM算法的游戏付费预测

针对游戏内玩家付费情况预测的问题,通过对数据集的清洗、降维以及数据分析,对游戏内玩家ID、在线时长以及7 d内的付费情况等特征数据的提取和分析,并预测玩家前45 d的付费情况,通过4种算法的对比分析得出LightGBM模型的预测结果更加准确、效率更高。

基于决策树的移动互联网用户付费意愿分析与预测

针对开放移动互联网下难以识别和跟踪潜在用户,无法提供更具个性化服务的状况,文章在传统决策树分类器的基础上,提取用户基础数据特征,引入感知模型分析处理用户行为数据,提出一种基于决策树的移动互联网用户付费分类预测方法。该方法强化用户感知对付费行为的影响,利用决策树建模进行分类并最终作出付费预测,根据模型结果探究付费影响因素,从运营者角度思考如何提高用户的付费意愿。