智能化调参的xgboost算法及其在电信营销中的应用

《智能化调参的xgboost算法及其在电信营销中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、本期关注成晨，程新洲，张恒，韩玉辉MonthlyFocus智能化调参的XGBOOST算法及其在电信营销中的应用智能化调参的XGBOOST算法及其在电信营销中的应用IntelligentParameterAdjustmentXGBOOSTandItsApplicationinTelecomMarketing成晨，程新洲，张恒，韩玉辉（中国联通网络技术研究院，北京100048）ChengChen，ChengXinzhou，ZhangHeng，HanYuhui（ChinaUnicomNetworkTec

2、hnologyResearchInstitute，Beijing100048，China）摘要：关键词：XGBOOST是一种集成学习算法，通常采用网格法调参，参数优化幅度有连续量子粒子群；XGBOOST；机器学习；电信精准营销限；提出连续量子粒子群算法，并将其引入XGBOOST的调参过程，得到doi：10.12045/j.issn.1007-3043.2018.10.005全局优化参数，从而提升XGBOOST算法性能；同时将该算法应用于电信中图分类号：TP391精准营销案例——运营商用户换机预测场

3、景中，得到了基于连续量子粒文献标识码：A子群算法调参的XGBOOST用户换机预测模型，与基于网格法调参的文章编号：1007-3043（2018）10-0020-05XGBOOST相比，该模型获得了更高的用户换机的预测准确度。Abstract：XGBOOSTisanensemblelearningalgorithm，whichusuallyusesgridmethodtoadjustparametersandtheparameteroptimi-zationscopeislimited.Thealg

4、orithmofparametersadjustingbasedonContinuousQuantum-inspiredParticleSwarmOptimi-zationisproposed，whichimprovestheperformanceofXGBOOST.Thismodelhasbeenappliedinacaseoftelecomprecisionmarketing，thepredictionofuserequipmentreplacing.ComparedwithXGBOOSTba

5、sedonGridparameteradjustmentmethod，themodelachieveshigherpredictionaccuracyofuserequipmentreplacing.Keywords：Continuousquantum-inspiredparticleswarmoptimization（CQPSO）；XGBOOST；Machinelearning；Telecomprecisionmarketing引用格式：成晨，程新洲，张恒，等.智能化调参的XGBOOST算法及其

6、在电信营销中的应用［J］.邮电设计技术，2018（10）：20-24.且参数提升幅度有限，很难在全局范围内进行优化。1概述群体智能，即群居性生物通过协作表现出的宏观集成树算法是当今机器学习领域的热门算法，相智能行为，起源于对蚂蚁、蜜蜂等社会性昆虫的群体行比单一的决策树算法，集成树算法能获得较高的预测为的研究，它的控制是分布式的，不存在中心控制，具能力，该类算法是决策树算法与集成算法的集合，以有自组织性。基于群体智能思想的遗传算法、细菌觅决策树作为基学习器，使用不同的集成方法构建出不食算法、粒子群算

7、法、蛙跳算法等众多算法不断地被运同的集成树算法。集成算法主要分为两大族算法，分用在各个领域，这些算法有着较好的健壮性与并行性，别是Boosting与Bagging。其中，Boosting类算法主要包擅长解决非线性、多模态的np-hard问题。括AdaBoost、GBDT与XGBOOST算法，AdaBoost算法但是，传统群体智能算法存在一定的局限性，以粒是以样本权重的重建为基础，而GBDT与XGBOOST算子群算法为例，它不能改变青蛙个体的信息，也不会综法均是以梯度提升为算法核心，特别是XGBOO

8、ST算合全部个体的主流思想，会限制算法的寻优能力。把法，由于其在精确性、计算速度以及抗噪性处于领先量子的概念引入粒子群算法中，将每一个粒子个体从地位而被广泛使用。但是，目前对XGBOOST的调参一维空间映射到高维空间，同时提出了防止粒子陷入方法一般为对各个参数进行网格调参，方法较为单一局部最优解的解决方案，可以提升算法的收敛精度，并——————————可应用于集成树算法调参这个np-hard问题中。收稿日期：2018-09-17基于量子智能算法调参的集成树模型，可广泛应202018