이 연구에서는 랜덤 포레스트라는 기계 학습 알고리즘을 활용하여 이진 결정 트리로 구성된 이진 선택 숲 모델을 제안한다. 이 모델은 고객의 의사 결정 과정을 설명할 수 있는 해석 가능한 모델이다.
연구 결과에 따르면 이진 선택 숲 모델은 어떤 이산 선택 모델에 대해서도 일관되게 선택 확률을 예측할 수 있어 모형 오류가 발생하지 않는다. 또한 학습 데이터에 포함되지 않은 상품 조합에 대해서도 예측이 가능하다.
이진 선택 숲 모델은 다음과 같은 실용적인 장점이 있다: 1) 고객의 비합리적이거나 순차적인 선택 행동을 포착할 수 있다, 2) 집계된 형태의 훈련 데이터를 처리할 수 있다, 3) 상품의 중요도를 측정할 수 있다, 4) 가격 정보와 고객 특성을 반영할 수 있다.
실험 결과, 이진 선택 숲 모델은 기존 방법들에 비해 우수한 성능을 보였다.
إلى لغة أخرى
من محتوى المصدر
arxiv.org
الرؤى الأساسية المستخلصة من
by Ningyuan Che... في arxiv.org 04-18-2024
https://arxiv.org/pdf/1908.01109.pdfاستفسارات أعمق