基于Stacking集成学习的家庭宽带满意度精准预测研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信

摘要：随着家庭宽带业务的快速发展，用户满意度预测已成为运营商优化服务质量、实施主动关怀的核心挑战。文章提出一种基于Stacking集成策略的异构AI模型（LightGBM、XGBoost、MLP） 融合框架，通过双阶段特征筛选策略和贝叶斯参数优化方法，实现对用户满意度的精准预测。实验结果表明，该融合模型较单一模型具有更优的预测性能，其准确率达93.56%，AUC值达0.966，可为运营商构建精准、高效的用户满意度预警体系提供关键技术支撑。（剩余5559字）

试读结束

目录
monitor
客服机器人