發(fā)布時(shí)間：2017-10-05 13:29

  本文關(guān)鍵詞：基于數(shù)據(jù)挖掘的客戶忠誠度分析

  更多相關(guān)文章： 知識發(fā)現(xiàn) 數(shù)據(jù)挖掘 分類 預(yù)測 回歸 聚類 客戶忠誠度

【摘要】：數(shù)據(jù)挖掘(Data Mining)就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。它是一門交叉學(xué)科，它把人們對數(shù)據(jù)的應(yīng)用從低層次的簡單查詢，提升到從數(shù)據(jù)中挖掘知識，，提供決策支持。分類和預(yù)測是數(shù)據(jù)挖掘中的重要研究方面，可以用于提取描述重要數(shù)據(jù)類的模型或預(yù)測未來的數(shù)據(jù)趨勢。經(jīng)過近20年的發(fā)展，數(shù)據(jù)挖掘技術(shù)在理論研究上日趨成熟，正不斷的擴(kuò)展其應(yīng)用范圍，當(dāng)前數(shù)據(jù)挖掘已用于電信、金融、商業(yè)、氣象預(yù)報(bào)、DNA、股票市場、入侵檢測和客戶分類等許多領(lǐng)域。 本文就分類分析和預(yù)測分析算法進(jìn)行了深入研究，對相關(guān)算法作了改進(jìn)；在此基礎(chǔ)上，對客戶忠誠度變化趨勢進(jìn)行了預(yù)測分析。 首先研究了分類分析和預(yù)測分析的相關(guān)算法，重點(diǎn)探討了線性回歸分析和CART分類器的原理，對CART分類算法進(jìn)行了改進(jìn)；其次，以線性回歸分析和CART分類算法為主并結(jié)合其它數(shù)據(jù)挖掘算法，針對企業(yè)中的客戶忠誠度分析問題構(gòu)建了客戶忠誠度分析系統(tǒng)，最后，根據(jù)海爾客戶關(guān)系數(shù)據(jù)，對海爾集團(tuán)的客戶忠誠度進(jìn)行預(yù)測，得出了有效的結(jié)果。 論文的主要內(nèi)容如下： 第一，闡述了課題的研究背景及其重要的研究意義；對當(dāng)前數(shù)據(jù)挖掘的國內(nèi)與國外的研究動態(tài)進(jìn)行分析；通過對知識發(fā)現(xiàn)一般過程的介紹，分析了一個(gè)典型的數(shù)據(jù)挖掘系統(tǒng)中各模塊的主要功能，并對其中采用的數(shù)據(jù)挖掘的技術(shù)作了詳細(xì)闡述。 第二，介紹了決策樹，貝葉斯網(wǎng)絡(luò)，神經(jīng)網(wǎng)絡(luò)，遺傳算法，線性回歸等分類和預(yù)測的方法，分析比較了其算法的優(yōu)劣及其適用范圍，并討論了評價(jià)分類準(zhǔn)確率的方法。 第三，詳細(xì)討論了線性回歸尤其是多元線性回歸算法的基本思路及其參數(shù)估計(jì)，利用多元線性回歸思想構(gòu)造了趨勢預(yù)測函數(shù)；分析了CART分類器的原理，以及決策樹的構(gòu)建、修剪和驗(yàn)證過程的詳細(xì)算法描述，并將CART分類算法的建樹過程與修剪過程合并，得到了合并算法，從而提高了決策樹的執(zhí)行效率。 第四，完成了客戶忠誠度分析系統(tǒng)。描述了客戶忠誠度的概念，說明研究客戶忠誠度對企業(yè)的重要意義；介紹了系統(tǒng)的主要功能：數(shù)據(jù)預(yù)處理、重點(diǎn)客戶發(fā)現(xiàn)以及客戶忠誠度預(yù)測；詳細(xì)討論了數(shù)據(jù)預(yù)處理模塊所采用的預(yù)處理手段和方法；通過客戶忠誠度分析系統(tǒng)，就海爾集團(tuán)所提供的相關(guān)數(shù)據(jù)對其客戶忠誠度變化趨勢進(jìn)行了預(yù)測分析。主要操作包括：針對海爾公司的客戶關(guān)系數(shù)據(jù)，選取和處理客戶忠誠 摘要 度分析數(shù)據(jù):利用原始客戶關(guān)系數(shù)據(jù)及趨勢預(yù)測函數(shù)構(gòu)造客戶購買能力變化趨勢影 響因子;結(jié)合其它影響因子運(yùn)用分類分析對客戶忠誠度的趨勢進(jìn)行預(yù)測。該系統(tǒng)通 過在分類分析中導(dǎo)入變化趨勢影響因子，打破了以往的客戶忠誠度分析系統(tǒng)中對客 戶只進(jìn)行類別上的劃分，而不能預(yù)測忠誠度變化趨勢的局限性。分析結(jié)果證明了忠 誠度趨勢預(yù)測算法(LTPA)的實(shí)用性。 最后，對本文的工作進(jìn)行了總結(jié)和對研究前景的展望。
【關(guān)鍵詞】：知識發(fā)現(xiàn) 數(shù)據(jù)挖掘 分類 預(yù)測 回歸 聚類 客戶忠誠度
【學(xué)位授予單位】：青島大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2004
【分類號】：TP311.1
【目錄】：

• 摘要2-4
• Abstract4-8
• 第一章 緒論8-18
• 1.1 選題的背景和意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-10
• 1.3 數(shù)據(jù)挖掘研究的內(nèi)容及面臨的挑戰(zhàn)10-16
• 1.3.1 數(shù)據(jù)挖掘定義10-11
• 1.3.2 知識發(fā)現(xiàn)的一般過程11-12
• 1.3.3 數(shù)據(jù)挖掘系統(tǒng)架構(gòu)12-13
• 1.3.4 數(shù)據(jù)挖掘的分類13-15
• 1.3.5 數(shù)據(jù)挖掘研究和應(yīng)用的挑戰(zhàn)性15-16
• 1.4 論文的主要內(nèi)容16-18
• 第二章 分類和預(yù)測18-31
• 2.1 什么是分類、預(yù)測18-19
• 2.2 決策樹基本算法19-21
• 2.2.1 決策樹生成算法19-20
• 2.2.2 決策樹的修剪20-21
• 2.3 貝葉斯分類21-23
• 2.3.1 貝葉斯定理21-22
• 2.3.2 樸素貝葉斯分類22-23
• 2.4 神經(jīng)網(wǎng)絡(luò)預(yù)測算法23-24
• 2.5 其他分類方法24-26
• 2.5.1 k-最臨近分類24-25
• 2.5.2 基于案例的推理25-26
• 2.5.3 遺傳算法26
• 2.6 預(yù)測26-29
• 2.6.1 非線性回歸26-27
• 2.6.2 其它回歸模型27
• 2.6.3 各種回歸模型的比較27-29
• 2.7 分類法的準(zhǔn)確性29-30
• 2.7.1 評估分類法的準(zhǔn)確率29-30
• 2.7.2 提高分類法的準(zhǔn)確率30
• 2.8 本章小節(jié)30-31
• 第三章 線性回歸分析及CART分類器31-48
• 3.1 線性回歸分析31-36
• 3.1.1 一元線性回歸:31-32
• 3.1.2 多元線性回歸32-33
• 3.1.3 p元線性回歸模型中的參數(shù)估計(jì)33-35
• 3.1.4 趨勢預(yù)測函數(shù)35-36
• 3.2 CART分類器36-46
• 3.2.1 決策樹建立36-40
• 3.2.1.1 屬性向量的標(biāo)準(zhǔn)問題集38-39
• 3.2.1.2 CART決策樹構(gòu)建的過程39
• 3.2.1.3 決策樹建樹算法描述39-40
• 3.2.2 決策樹修剪40-42
• 3.2.2.1 基本定義40
• 3.2.2.2 修剪決策樹的過程40-42
• 3.2.2.3 確定葉節(jié)點(diǎn)的類別42
• 3.2.3 決策樹驗(yàn)證42-44
• 3.2.3.1 測試樣例驗(yàn)證42-43
• 3.2.3.2 交叉驗(yàn)證43-44
• 3.2.4 CART建樹與修剪的合并44-46
• 3.2.4.1 MDL修剪45
• 3.2.4.2 建樹與修剪合并算法45-46
• 3.3 本章小結(jié)46-48
• 第四章 基于海爾客戶關(guān)系數(shù)據(jù)的客戶忠誠度分析系統(tǒng)48-59
• 4.1 引言48
• 4.2 系統(tǒng)功能簡介48-49
• 4.3 系統(tǒng)整體構(gòu)架49
• 4.4 系統(tǒng)模塊詳細(xì)介紹49-51
• 4.4.1 數(shù)據(jù)預(yù)處理模塊49-51
• 4.4.2 重點(diǎn)客戶發(fā)現(xiàn)模塊51
• 4.4.3 客戶忠誠度預(yù)測模塊51
• 4.5 基于海爾客戶關(guān)系數(shù)據(jù)的忠誠度分析51-58
• 4.5.1 數(shù)據(jù)的選取52-53
• 4.5.2 影響因子的構(gòu)造53-55
• 4.5.3 訓(xùn)練集的選取55-56
• 4.5.4 客戶忠誠度預(yù)測56-58
• 4.6 本章小結(jié)58-59
• 第五章 總結(jié)與展望59-60
• 5.1 全文的工作總結(jié)59
• 5.2 存在的問題及對未來的展望59-60
• 參考文獻(xiàn)60-63
• 致謝63

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 鐘曉;馬少平;張鈸;俞瑞釗;;數(shù)據(jù)挖掘綜述[J];模式識別與人工智能;2001年01期

本文編號：977065