基于神经网络的商品组合优化选择模型
原文中文,约300字,阅读约需1分钟。发表于: 。离散选择模型与神经网络相比,在预测客户购买概率方面表现得更具表现力、能够捕捉客户异质性和行为,但难以估计且无法捕捉客户行为的许多显著特征。本文首先研究了单个神经网络架构是否能够预测来自不同背景和模型假设下的购买概率。接下来,我们开发了一种适用于现成整数规划求解器的组合优化公式。在模拟和实际数据集上与各种基准离散选择模型进行了比较,同时通过一些训练技巧使神经网络预测及后续优化具备鲁棒性,并能与其他模型相媲美。
本文研究了离散选择模型与神经网络在预测客户购买概率方面的表现。结果显示,神经网络能够更准确地捕捉客户异质性和行为,但难以估计和捕捉客户行为的许多特征。为了解决这个问题,研究者开发了一种适用于整数规划求解器的组合优化公式,并通过一些训练技巧使神经网络预测及后续优化具备鲁棒性。实验结果表明,该方法在模拟和实际数据集上与其他基准离散选择模型相媲美。