本文關(guān)鍵詞：基于PCA-NB算法的客戶流失預(yù)測

  更多相關(guān)文章： 數(shù)據(jù)挖掘 分類 樸素貝葉斯 主成分 客戶流失預(yù)測 分類正確率

【摘要】：近些年來,越來越激烈的市場競爭促使諸多企業(yè)開始將營銷策略的重點(diǎn)由產(chǎn)品轉(zhuǎn)向客戶身上,尤其在發(fā)展一個(gè)新客戶的成本日益攀升的前提下,保持原有的老客戶,提前預(yù)測出老客戶的流失傾向,并采取相應(yīng)措施防止其流失變得更加具有意義。因此,如何才能準(zhǔn)確有效地預(yù)測出現(xiàn)有客戶的流失傾向,制定科學(xué)合理的客戶挽留策略,為企業(yè)減少損失、創(chuàng)造利潤,已經(jīng)成為了諸多企業(yè)關(guān)注的重點(diǎn)。樸素貝葉斯分類器作為一種原理十分簡單但在實(shí)際的應(yīng)用過程中卻十分切實(shí)有效的分類模型,因其應(yīng)用的前提是忽略各屬性變量之間存在相關(guān)關(guān)系的條件獨(dú)立性假設(shè),但現(xiàn)實(shí)中幾乎沒有滿足這個(gè)假設(shè)的問題,故此假設(shè)會(huì)對樸素貝葉斯分類器的分類正確率有一定影響。本文針對這一問題在利用樸素貝葉斯分類建模前先進(jìn)行主成分分析,建立基于主成分分析的樸素貝葉斯分類模型,這樣就滿足了樸素貝葉斯的條件獨(dú)立性假設(shè),充分發(fā)揮出樸素貝葉斯分類器的優(yōu)勢,并與未進(jìn)行主成分分析的樸素貝葉斯分類模型進(jìn)行了比較,說明PCA—NB算法有效的提高了模型的分類正確率。最后將經(jīng)過主成分分析降維處理的樸素貝葉斯算法應(yīng)用于電信企業(yè)客戶流失預(yù)測問題中,以期提高單純用樸素貝葉斯分類模型進(jìn)行客戶流失預(yù)測的分類正確率,并根據(jù)不同的客戶類型采取不同的挽留措施,防止企業(yè)的不必要損失,為企業(yè)節(jié)省發(fā)展新客戶的成本。
【關(guān)鍵詞】：數(shù)據(jù)挖掘 分類 樸素貝葉斯 主成分 客戶流失預(yù)測 分類正確率
【學(xué)位授予單位】：蘭州財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F274;TP18
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-16
• 1.1 研究背景和研究意義9-11
• 1.1.1 研究背景9-10
• 1.1.2 研究意義10-11
• 1.2 數(shù)據(jù)挖掘中的分類11-13
• 1.3 國內(nèi)外的研究現(xiàn)狀及發(fā)展趨勢13-14
• 1.4 研究內(nèi)容與組織框架14-15
• 1.5 本章小結(jié)15-16
• 2 樸素貝葉斯分類模型的研究介紹16-23
• 2.1 貝葉斯理論的相關(guān)知識(shí)16-18
• 2.1.1 貝葉斯定理16-17
• 2.1.2 貝葉斯決策準(zhǔn)則17
• 2.1.3 極大后驗(yàn)假設(shè)和極大似然假設(shè)17-18
• 2.2 兩種典型的貝葉斯分類模型18-22
• 2.2.1 樸素貝葉斯分類模型18-20
• 2.2.2 樸素貝葉斯網(wǎng)絡(luò)模型20-22
• 2.3 本章小結(jié)22-23
• 3 數(shù)據(jù)預(yù)處理23-30
• 3.1 主成分分析23-26
• 3.1.1 適用性檢驗(yàn)23-24
• 3.1.2 主成分求解24-26
• 3.2 屬性篩選26-27
• 3.3 異常值和缺失值的處理27-28
• 3.4 數(shù)據(jù)標(biāo)準(zhǔn)化28-29
• 3.5 數(shù)據(jù)預(yù)處理方法的選擇原則29-30
• 4 基于PCA-NB算法的客戶流失預(yù)測實(shí)證研究30-47
• 4.1 客戶流失預(yù)測的商業(yè)理解30-32
• 4.2 客戶流失預(yù)測的數(shù)據(jù)理解32-34
• 4.3 客戶流失預(yù)測的數(shù)據(jù)準(zhǔn)備34-39
• 4.3.1 數(shù)據(jù)清洗36
• 4.3.2 屬性約簡36-37
• 4.3.3 主成分提取37-39
• 4.4 建立模型39-43
• 4.4.1 Native Bayes模型40-41
• 4.4.2 PCA-NB模型41-43
• 4.5 模型評估43-47
• 5 客戶挽留47-51
• 5.1 客戶流失原因的分析47-48
• 5.2 客戶挽留策略制定48-49
• 5.3 客戶挽留策略的幾點(diǎn)建議49-51
• 6 總結(jié)與展望51-53
• 6.1 研究總結(jié)51-52
• 6.2 工作展望52-53
• 附錄53-56
• 參考文獻(xiàn)56-59
• 后記59

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李睿仙;龐潔;胡建華;王清心;汪偉;;一種基于電信客戶流失預(yù)警的解決方案[J];電腦知識(shí)與技術(shù)(學(xué)術(shù)交流);2007年02期

2 夏國恩;邵培基;;改進(jìn)的支持向量分類機(jī)在客戶流失預(yù)測中的應(yīng)用[J];計(jì)算機(jī)應(yīng)用研究;2009年06期

3 夏國恩;;基于簡易支持向量機(jī)的客戶流失預(yù)測研究[J];計(jì)算機(jī)應(yīng)用研究;2010年03期

4 于小兵;曹杰;鞏在武;;客戶流失問題研究綜述[J];計(jì)算機(jī)集成制造系統(tǒng);2012年10期

5 丁旭;電信大客戶流失原因分析及對策[J];現(xiàn)代電信科技;2003年01期

6 孔f3;探究電信行業(yè)客戶流失[J];信息網(wǎng)絡(luò);2004年01期

7 牛琨;張舒博;;基于數(shù)據(jù)挖掘技術(shù)的電信業(yè)客戶流失管理框架[J];電信工程技術(shù)與標(biāo)準(zhǔn)化;2006年01期

8 ;貼身咨詢助營銷精準(zhǔn)實(shí)施——北京移動(dòng)成功化解拍照客戶流失危機(jī)[J];每周電腦報(bào);2007年25期

9 蔣盛益;王連喜;;面向電信的客戶流失預(yù)測模型研究[J];山東大學(xué)學(xué)報(bào)(理學(xué)版);2011年05期

10 柳蘭屏,曾煜;移動(dòng)通信客戶流失分析方法[J];移動(dòng)通信;2003年04期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 司學(xué)峰;蔣國瑞;李英毅;;基于數(shù)據(jù)挖掘技術(shù)的客戶流失預(yù)測研究綜述[A];第三屆中國智能計(jì)算大會(huì)論文集[C];2009年

2 李紅霞;;電信客戶流失與客戶保持分析[A];中國企業(yè)運(yùn)籌學(xué)[C];2009年

3 張俊巍;;電信行業(yè)客戶流失管理模型淺析[A];黑龍江省通信學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2005年

4 段巍巍;;電信客戶流失預(yù)測主題建模[A];第十屆中國科協(xié)年會(huì)信息化與社會(huì)發(fā)展學(xué)術(shù)討論會(huì)分會(huì)場論文集[C];2008年

5 張海波;趙煥成;;電信移動(dòng)客戶流失的預(yù)測模型——基于社會(huì)網(wǎng)絡(luò)分析的實(shí)證研究[A];21世紀(jì)數(shù)量經(jīng)濟(jì)學(xué)（第11卷）[C];2010年

6 蘇小龍;;基于消費(fèi)行為認(rèn)知的固網(wǎng)大客戶流失研究[A];中國創(chuàng)新與企業(yè)成長（CI&G）2013年度會(huì)議論文集[C];2013年

7 余力濤;黨延忠;楊光飛;;基于遷移學(xué)習(xí)的客戶流失預(yù)測模型[A];第六屆（2011）中國管理學(xué)年會(huì)——商務(wù)智能分會(huì)場論文集[C];2011年

8 李保升;陸煒穎;呂廷杰;;移動(dòng)客戶流失預(yù)測模型研究[A];2006中國控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

9 柳炳祥;盛昭翰;;一種基于Rough集的客戶流失風(fēng)險(xiǎn)分析方法[A];2002年中國管理科學(xué)學(xué)術(shù)會(huì)議論文集[C];2002年

10 李萍;齊佳音;舒華英;;歸因理論在移動(dòng)客戶流失管理中的應(yīng)用探討[A];全國第八屆工業(yè)工程與企業(yè)信息化學(xué)術(shù)會(huì)議論文集[C];2004年

中國重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 冰藍(lán);如何防止客戶流失[N];電腦商報(bào);2005年

2 ;揭開客戶流失真相[N];計(jì)算機(jī)世界;2005年

3 吳U，

本文編號(hào)：827249