摘要：跟随着互联网一次又一次的发展，每天的企业用户产生的数据会达到TB以上。曾经，人们一直是想得到数据，但是往往没有有效的途径获取数据。现在，虽然可以得到大量的数据，但是仍然不是人们想要的。因为数据库中的数据没有被有效的利用、开发、形成可视化报告，这就降低了数据的使用效率，不能有助于经营者做出准确的决策。

本次研究是基于数据挖掘对用户的成长预测分析，运用了机器学习的理论，在选择算法时时比较了GBDT和XGboost的优劣性，从中选择了基于XGBoost算法的预测模型，通过对CSDN的用户行为数据、用户社交关系数据和标签数据对用户成长值进行预测分析。

关键词：数据挖掘；机器学习；用户数据

目录

摘要

Abstract

1 绪论-3

1.1 研究背景与意义-3

1.1.1 研究背景-3

1.1.2 研究意义-3

1.2 国内外研究现状-3

1.2.1 国外研究和发展趋势-3

1.2.2 国内研究和发展趋势-3

1.3 本文主要研究内容-4

2 数据处理及相 关理论知识-5

2.1 数据预处理-5

2.1.1 数据描述-5

2.1.2 数据清洗-5

2.2机器学习理论-6

2.2.1 XGBoost优点-6

2.2.2 XGBoost算法目标函数-8

2.2.3 特征选择-9

2.3基于XGBoost算法的预测模型-10

2.4本章小结-10

3 用户成长预测分析方法研究-12

3.1 问题建模-12

3.2 特征工程-12

3.2.1  用户社交关系特征提取-13

3.2.2  用户行为信息特征提取-13

3.3 基于XGBoost算法的预测模型-14

3.3.1 XGBoost的模型调参-14

3.3.2 基于XGBoost模型的特征选择-15

3.3.3 降维-15

3.3.4 评价指标与结果分析-16

结    论-19

参 考 文 献-20

附录A 部分程序代码-21

致    谢-23