基于机器学习的商品评论特征提取有用性研究

在线上购物商品销售预测问题上，由于受商品自身的款式、材料、买家的好评与差评以及商家好评返利等多种因素影响，一般的回归预测算法往往不能支持多种特征变量，导致预测准确率较低、鲁棒性差.本文采用一种主题-随机森林算法对口罩销售量进行多变量综合投票预测，并与多重线性回归（Multiple Linear Regression,MLR）算法和随机森林（Random Forest,RF）算法相比较得出最终结论 .实验结果表明，LDA-RF算法各项指标均优于MLR和RF算法，LDA-RF算法建模速度快，鲁棒性较强，受到离群点影响比较小，散点主要集中在线性回归附近，可以有效地提高口罩销量预测精度.