基于LightGBM算法的5G套餐的潜客识别

为了在大样本(百万级别)、高纬度的数据背景下,降低识别5G套餐潜在客户的建模成本,提高模型的精度和效率问题,提出了一种基于LightGBM集成算法为基础的5G套餐潜客识别方法。首先进行大规模的数据清洗;然后根据业务理解构建特征工程;最后将XGBboost、GBDT、LightGBM三种算法进行建模对比。实验结果表明,在相等的时间下,LightGBM算法模型得到的模型效果明显优于其他算法,适合大样本、高纬度背景下的5G套餐潜客建模。

基于XGBoost和SHAP的5G潜客识别及特征分析模型

5G网络作为智慧城市建设的有力支撑,加快5G用户增长与智慧城市建设相融合成为了新的发力点。对数据预处理后,首先,利用XGBoost模型对潜在5G用户进行精准识别;其次,与五种算法进行实验对比,结果表明XGBoost在各项指标上均最优;最后,引入SHAP模型对5G用户进行影响因素分析,为相关部门及用户提供决策依据。