基于时间序列的用户行为预测
2015-08-24 10:26
671 查看
最近老师给了一篇顶会的论文《Modeling and Predicting Behavioral Dynamics on the Web》,让我实现论文里提到的用户行为预测的方法。通过该论文掌握基本的时间序列预测模型、参数估计方法以及论文中新提出的动态模型选择方法。 论文中主要针对用户在网页上的搜索和点击URL的行为进行预测,使用的最基本的方法是基于简单的Holt-Winters模型,即三次指数平滑法,通过对该模型进行改进,增加了一些周期性、季节性组件,达到了优化预测效果的目的,能针对数据的特点,更好地实现预测。 除此之外,论文还对数据进行了详细的分析,提取出了数据的937种特征值并且将特征值归类。这里将要重点学习下如何提取时序数据的特征值,并且能够根据特征值进行分类。提取特征值的主要目的是建立DML(dynamic model leaner),根据提出的特征值动态地选取适当的预测模型,能够实现较复杂的模型的预测。(我觉得下一步的方向可以学习下时序数列的数据挖掘方法,熟悉掌握一些常用的数据预测的模型,最近在学习《matlab超级智能算法》这本书,感觉还是挺有用的) 现在已经初步实现了Holt-Winters模型,下一步的计划是实现贝叶斯预测模型,对比一下二者的效果,熟悉下matlab编程。另外还在学习S.J的《matlab编程》 这就是今天的主要的内容了
相关文章推荐
- iOS 万能跳转界面方法 (runtime实用篇一)
- Ubuntu15.04上为火狐浏览器安装Adobe Flash Player插件
- 添加osd节点纪要
- docker高级应用之集群与auto scale
- urllib2
- 向git提交代码及更新代码的命令
- JAVA 泛型方法 和 静态方法泛型
- OpenCV中GPU模块使用
- Java枚举类
- statecode 与statuscode的匹配 STRINGMAP 和 EntityLogicalView表
- Java中间件:淘宝网系统高性能利器(转)
- Sql Server中系统函数有哪些
- li、ul如何去除小黑点样式
- virtualbox学习相关网址
- 8月第2周网络安全报告:境内被篡改网站增至5421个
- 9.12测试(五)——测试ATM机
- POJ 1450 && HDU 1046 Gridland(计算几何)
- 【机房收费系统】VB中如何将数据导入excel2013
- iOS 9 学习系列:UI Testing
- 牛人网站汇总