面向數(shù)據(jù)特點(diǎn)的客戶價(jià)值區(qū)分集成模型研究
定 價(jià)：23 元
- 作者：肖進(jìn)著
- 出版時(shí)間：2012/5/1
- ISBN：9787561457962
- 出 版 社：四川大學(xué)出版社
- 中圖法分類：F274
- 頁碼：227
- 紙張：膠版紙
- 版次：1
- 開本：16K
本書內(nèi)容包括：客戶價(jià)值區(qū)分集成的基礎(chǔ)研究、基于GMDH的分類器集成方法研究、客戶價(jià)值區(qū)分典型問題研究、“一步式”客戶價(jià)值區(qū)分實(shí)證研究等。
《面向數(shù)據(jù)特點(diǎn)的客戶價(jià)值區(qū)分集成模型研究》將自組織數(shù)據(jù)挖掘與集成學(xué)習(xí)相結(jié)合來研究客戶價(jià)值區(qū)分問題。從客戶價(jià)值區(qū)分中的客戶數(shù)據(jù)所具有的不同特點(diǎn)出發(fā)，提出了面向CRM客戶數(shù)據(jù)特點(diǎn)的客戶價(jià)值區(qū)分“一步式”集成解決方案。為了改進(jìn)多分類器集成的分類性能，我們從兩個(gè)方面著手：①改進(jìn)基本分類器的分類性能。將GMDH與常用的貝葉斯網(wǎng)絡(luò)分類模型相結(jié)合，提出了基于GMDH的選擇性貝葉斯網(wǎng)絡(luò)擴(kuò)展的樸素貝葉斯分類模型（SelectiveBayesianNetworkAugmentedNaiveBayes，SBNANB）。②改進(jìn)集成策略。
序言
1 緒論
1.1 研究背景
1.2 客戶價(jià)值區(qū)分研究現(xiàn)狀
1.2.1 客戶信用評估
1.2.1.1 面向類別不平衡數(shù)據(jù)的客戶信用評估
1.2.1.2 面向噪聲數(shù)據(jù)的客戶信用評估
1.2.1.3 面向缺失數(shù)據(jù)的客戶信用評估
1.2.2 客戶流失預(yù)測
1.2.2.1 面向類別不平衡數(shù)據(jù)的客戶流失預(yù)測
1.2.2.2 面向噪聲數(shù)據(jù)的客戶流失預(yù)測
1.2.2.3 面向缺失數(shù)據(jù)的客戶流失預(yù)測
1.2.3 文獻(xiàn)回顧小結(jié)
1.3 研究框架
1.3.1 研究思路
1.3.2 研究內(nèi)容
1.3.3 研究創(chuàng)新點(diǎn)
1.4 本書結(jié)構(gòu)安排
2 相關(guān)理論知識介紹
2.1 自組織數(shù)據(jù)挖掘簡介
2.1.1 自組織數(shù)據(jù)挖掘的基本思想
2.1.2 多層GMDH算法的建模步驟
2.1.3 多層GMDH算法的抗干擾性
2.2 分類器集成簡介
2.2.1 多分類器集成模型
2.2.2 基本分類器的生成方法
2.2.3 常用的分類器集成方法
2.3 本章小結(jié)
3 客戶價(jià)值區(qū)分集成的基礎(chǔ)研究
3.1 客戶價(jià)值理論
3.1.1 客戶價(jià)值概念的界定
3.1.2 客戶生命周期價(jià)值
3.2 客戶價(jià)值區(qū)分的研究框架
3.3 客戶價(jià)值區(qū)分集成的研究框架
3.3.1 客戶價(jià)值區(qū)分集成的概念界定
3.3.2 客戶價(jià)值區(qū)分集成的工作原理
3.4 本章小結(jié)
4 基于GMDH的分類器集成方法研究
4.1 基于GMDH的貝葉斯網(wǎng)絡(luò)分類模型
4.1.1 引言
4.1.2 貝葉斯結(jié)構(gòu)學(xué)習(xí)簡介
4.1.3 選擇性貝葉斯網(wǎng)絡(luò)擴(kuò)展的樸素貝葉斯模型
4.1.4 基于GMDH的SBNANB分類器的結(jié)構(gòu)識別
4.1.4.1 外準(zhǔn)則的選擇
4.1.4.2 GBC算法描述
4.1.5 試驗(yàn)分析
4.1.5.1 數(shù)據(jù)和實(shí)驗(yàn)設(shè)計(jì)
4.1.5.2 分類器的結(jié)構(gòu)識別
4.1.5.3 無噪聲情況下的貝葉斯分類試驗(yàn)
4.1.5.4 有人工噪聲情況下的貝葉斯分類試驗(yàn)
4.1.5.5 討論
4.1.6結(jié)論
4.2 基于GMDH的靜態(tài)分類器集成選擇策略
4.2.1 引言
4.2.2 靜態(tài)分類器集成選擇算法
4.2.2.1 外準(zhǔn)則的選擇
4.2.2.2 算法描述
4.2.2.3 算法復(fù)雜度分析
4.2.3 實(shí)驗(yàn)分析
4.2.3.1 不同算法的分類精度對比分析
4.2.3.2 基于不用融合算法的客戶分類性能
4.2.4 結(jié)論
4.3 基于GMDH的動(dòng)態(tài)分類器集成選擇策略
4.3.1 引言
4.3.2 動(dòng)態(tài)分類器集成選擇簡介
4.3.2.1 基于K-nearest-oracles的動(dòng)態(tài)集成選擇
4.3.2.2 基于DCS的動(dòng)態(tài)集成選擇
4.3.2.3 動(dòng)態(tài)過度生產(chǎn)-選擇策略
4.3.3 基于GMDH的動(dòng)態(tài)分類器集戍選擇算法
4.3.3.1 外準(zhǔn)則的選擇
4.3.3.2 算法描述
4.3.4 實(shí)驗(yàn)設(shè)計(jì)
4.3.5 實(shí)驗(yàn)結(jié)果分析
4.3.5.1 幾個(gè)重要參數(shù)對GDES-AD性能影響的分析
4.3.5.2 無噪聲情況下的分類性能比較
4.3.5.3 類別噪聲情況下的分類性能比較
4.3.5.4 屬性噪聲情況下分類性能比較
4.3.5.5 偏差-方差分解
4.3.6 討論
4.3.7 結(jié)論
4.4 本章小結(jié)
5 客戶價(jià)值區(qū)分典型問題研究
5.1 面向噪聲數(shù)據(jù)的客戶價(jià)值區(qū)分“一步式”集成模型
5.1.1 引言
5.1.2 “一步式”集成策略的構(gòu)建
5.1.3 實(shí)例分析
5.1.3.1 試驗(yàn)設(shè)置
5.1.3.2 類別噪聲情況下的分類結(jié)果
5.1.3.3 屬性噪聲情況下的分類結(jié)果
5.1.4 小結(jié)
5.2 面向類別不平衡的客戶價(jià)值區(qū)分“一步式”集成模型
5.2.1 引言
5.2.2 用于處理類別不平衡數(shù)據(jù)的常用方法
5.2.2.1 重抽樣技術(shù)
5.2.2.2 代價(jià)敏感學(xué)習(xí)
5.2.3 多分類器組合方法介紹
5.2.3.1 靜態(tài)分類器組合方法
5.2.3.2 動(dòng)態(tài)分類器組合方法
5.2.4 “一步式”集成模型
5.2.4.1 模型的基本思想
5.2.4.2 代價(jià)敏感的外部評價(jià)準(zhǔn)則
5.2.4.3 算法描述
書單推薦
