本文介绍了一种使用XGBoost机器学习方法来筛选具有高转化潜力的客户群体的策略。通过实例分析，我们展示了如何利用XGBoost模型进行特征选择，以及如何根据这些特征设计精准的营销活动，显著提高营销效果和业务收益。 一、应用场景 在营销活动名单下发以及 ...

本文推荐：研究通过机器学习（ML）结合XGBoost算法，成功预测纳米晶软磁合金（NSMAs）的玻璃形成能力（GFA）和矫顽力（Hc），特征筛选确定VEC、VEC1、cB和ΔT为关键参数，模型分类准确率达96.7%。通过SHAP分析揭示成分-性能关系，并设计出GFA优异、Hc低至1.34~1.40 A/m ...

在量化投资领域，因子筛选和合成是构建有效选股组合的核心步骤。传统线性模型在处理因子非线性预测能力时存在局限，因此我们考虑是否可以借用机器学习模型（例如树模型、神经网络模型等）来挖掘因子非线性的预测能力。本报告重点探讨了使用树模型来 ...

在临床中，区分复杂性阑尾炎（CAP）和非复杂性阑尾炎（UAP）颇具挑战。温州医科大学研究人员收集 773 例阑尾切除术患者数据，构建 XGBoost 模型。结果显示该模型预测性能最佳，有助于优化临床决策。 阑尾炎，这个听起来并不陌生的疾病，却在临床上给医生们 ...