一种基于全连接神经网络的卷烟消费新流量识别模型

为了简单、准确地识别烟草消费新流量,推动烟草行业高质量发展,本文结合深度学习理论,提出了一种基于全连接神经网络(FCNN)的卷烟消费新流量识别模型。首先,数据集的建立与数据预处理。调查烟草消费流量数据(包括消费者基本信息、所抽烟的基本信息以及品牌映像等量化数据),建立数据集;从数据清洗、数据集成以及数据变换三个角度对数据进行预处理,为本文提供数据支持。其次,构建模型。使用全连接神经来构建新流量识别模型。模型的输入为卷烟的消费流量特征,输出是否为新流量;并使用训练集对神经网络卷积层模型进行训练。最后,模型的优化、评估和测试。通过对神经网络各参数的优化调整、增加训练集数据以及增加网络深度进一步优化模型,提高模型的识别准确性,准确率达到98.44%;根据模型的性能和泛化能力对模型进行评估,其损失值为0.0282根据神经网络卷积层模型,可以得出对应年龄下消费者喜欢的香烟类型、口味、种类及喜爱度,根据喜爱度判断出何种种类的香烟可以成为吸引新流量。