進(jìn)入21世紀(jì)以來,各式各樣的商業(yè)體發(fā)展迅猛,由此為企業(yè)帶來了巨大的客戶增長(zhǎng)與留存,但與此同時(shí)空前的客戶數(shù)量也為企業(yè)帶來了難題,如何區(qū)分不同的客戶群體,對(duì)不同的客戶群體該進(jìn)行怎樣的定制服務(wù)以及如何能在客戶流失之前精確預(yù)測(cè),而這幾個(gè)問題對(duì)于企業(yè)來說無論如何都是不可避免的,本論文就是在這一前提下討論如何利用機(jī)器學(xué)習(xí)與深度學(xué)習(xí)知識(shí)解決這一類型問題。在客戶量很大的時(shí)候,我們需要區(qū)分客戶的客戶群體,來更好地進(jìn)行精準(zhǔn)銷售與推廣。數(shù)據(jù)采用現(xiàn)實(shí)真實(shí)數(shù)據(jù),必然會(huì)有誤差與偶然因素?fù)诫s,所以在進(jìn)行主要步驟之前需要進(jìn)行數(shù)據(jù)清洗與預(yù)處理。在沒有事先進(jìn)行客戶群體標(biāo)注的這一無監(jiān)督問題上采用聚類算法,結(jié)合經(jīng)濟(jì)學(xué)中應(yīng)用最為廣泛的RFM價(jià)值分析的理論方法篩選出的客戶特征作為聚類算法主要的特征輸入,然后利用雷達(dá)圖等分析手段將聚類算法輸出的不同客戶群體予以數(shù)據(jù)分析與數(shù)據(jù)可視化,最后利用深度學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)客戶流失情況,給出即將流失的客戶名單供企業(yè)進(jìn)行具體的操作。整個(gè)工程采用流程化處理方法,使用python2.7為開發(fā)環(huán)境,Scikit-learn為開發(fā)框架進(jìn)行工程開發(fā)。通過使用機(jī)器學(xué)習(xí)與深度學(xué)習(xí)等技術(shù)挖掘出了潛在價(jià)值客戶與... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

RFM關(guān)系模型

中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文本的比例。nski-Harabaz 指數(shù)（Calinski-Harabaz Index）：真實(shí)類別不知道時(shí)，可以采用 Calinski-Harabaz 聚類指數(shù)，后所有簇的樣本距離簇心的距離之和。網(wǎng)絡(luò)絡(luò)是由多個(gè)神經(jīng)元構(gòu)成，而每個(gè)神經(jīng)元都是一個(gè)Logistic[38]初的神經(jīng)網(wǎng)絡(luò)一般有三個(gè)模塊或?qū)哟蝃39]，分別為輸入層、絡(luò)的結(jié)構(gòu)如圖 2-1 所示。

圖 2-2 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)化圖層的多個(gè)節(jié)點(diǎn)神經(jīng)元用一個(gè)大圓圈來表示，這樣層與層之，可以看到每一層的輸入都是上一層的輸出，彼此依賴。們的目標(biāo)是()()ij Jl z，所以上式可以寫成： zzJ()，我們定義zJ() 為每一層的殘差，于是有：出層：aaayayayzaaJzJLLLlLLLLL ()()()()()()()()())(1)1(1)(( )( )

【參考文獻(xiàn)】：
期刊論文
[1]基于CART和自適應(yīng)Boosting算法的移動(dòng)通信企業(yè)客戶流失預(yù)測(cè)模型[J]. 張瑋,楊善林,劉婷婷.  中國(guó)管理科學(xué). 2014(10)
[2]基于ANP和K-means聚類的客戶價(jià)值分類模型及應(yīng)用[J]. 羅彪,閆維維,萬亮.  計(jì)算機(jī)應(yīng)用. 2013(10)
[3]融入個(gè)體活躍度的電子商務(wù)客戶流失預(yù)測(cè)模型[J]. 琚春華,盧琦蓓,郭飛鵬.  系統(tǒng)工程理論與實(shí)踐. 2013(01)
[4]基于改進(jìn)RFM模型的電子商務(wù)客戶細(xì)分[J]. 徐翔斌,王佳強(qiáng),涂歡,穆明.  計(jì)算機(jī)應(yīng)用. 2012(05)
[5]基于優(yōu)化初始中心點(diǎn)的K-means文本聚類算法[J]. 張世博.  計(jì)算機(jī)與數(shù)字工程. 2011(10)
[6]結(jié)合近鄰和密度思想的K-均值算法的研究[J]. 王春風(fēng),唐擁政.  計(jì)算機(jī)工程與應(yīng)用. 2011(19)
[7]K均值算法改進(jìn)及在網(wǎng)絡(luò)入侵檢測(cè)中的應(yīng)用[J]. 劉長(zhǎng)騫.  計(jì)算機(jī)仿真. 2011(03)
[8]基于粗糙集理論-神經(jīng)網(wǎng)絡(luò)-蜂群算法集成的客戶流失研究[J]. 羅彬,邵培基,羅盡堯,劉獨(dú)玉,夏國(guó)恩.  管理學(xué)報(bào). 2011(02)
[9]基于SMC-RS-LSSVM的電子商務(wù)客戶流失預(yù)測(cè)模型[J]. 朱幫助.  系統(tǒng)工程理論與實(shí)踐. 2010(11)
[10]基于K-means和PCA的商業(yè)銀行客戶價(jià)值細(xì)分模型研究[J]. 曹國(guó).  財(cái)會(huì)通訊. 2010(27)

碩士論文
[1]K均值算法研究及其應(yīng)用[D]. 朱建宇.大連理工大學(xué) 2013
[2]基于MapReduce的聚類算法的并行化研究[D]. 李應(yīng)安.中山大學(xué) 2010
[3]深圳煙草客戶價(jià)值評(píng)價(jià)體系設(shè)計(jì)和研究[D]. 楊慧.浙江大學(xué) 2007



本文編號(hào)：3517723