摘要：如今经济不断发展，科学水平不断提高，人们的生活水平也越来越高了，曾经温饱问题是大多数人们所关注的问题，但现在人们把注意力更加集中于自己的生活质量上来。近二十年，计算机技术飞速发展，当前已然进入大数据时代，解决社会经济问题会用到各种各样的算法，数学算法的思想和计算机技术的结合，能够利用数据信息解决许多现实目前存在的问题，以及对一些未知的问题进行预测估计，本文利用python软件，对数据进行二值化特征处理，分层抽样后，采用随机森林和GBDT梯度下降树两种方法进行建模，然后利用网格搜索进行参数的调节，以完成对葡萄牙某银行的销售活动进行预测，并得到模型预测的结果。

关键词：决策树 GBDT 机器学习

目录

摘要

Abstract 

1．绪论：-6

1.1 研究意义和背景-6

1.2 国内外研究现状-6

2.研究方法-7

2.1随机森林RF-7

2.2 GBDT梯度决策提升树-7

3.研究过程：-8

3.1数据的介绍：-8

3.2数据的预处理：-9

3.2.1 缺失值：-9

3.3 数据集划分-10

3.4 特征处理管道-10

3.4 参数调节-13

4.实验结果-14

5.结语-15

参考文献