面向数据特点的客户价值区分集成模型研究

出版时间：2012-5  出版社：四川大学出版社  作者：肖进  页数：227  
Tag标签：无  

内容概要

　　《面向数据特点的客户价值区分集成模型研究》将自组织数据挖掘与集成学习相结合来研究客户价值区分问题。从客户价值区分中的客户数据所具有的不同特点出发，提出了面向CRM客户数据特点的客户价值区分“一步式”集成解决方案。为了改进多分类器集成的分类性能，我们从两个方面着手：①改进基本分类器的分类性能。将GMDH与常用的贝叶斯网络分类模型相结合，提出了基于GMDH的选择性贝叶斯网络扩展的朴素贝叶斯分类模型（SelectiveBayesianNetworkAugmentedNaiveBayes，SBNANB）。②改进集成策略。

书籍目录

序言1　绪论1.1　研究背景1.2　客户价值区分研究现状1.2.1　客户信用评估1.2.1.1　面向类别不平衡数据的客户信用评估1.2.1.2　面向噪声数据的客户信用评估1.2.1.3　面向缺失数据的客户信用评估1.2.2　客户流失预测1.2.2.1　面向类别不平衡数据的客户流失预测1.2.2.2　面向噪声数据的客户流失预测1.2.2.3　面向缺失数据的客户流失预测1.2.3　文献回顾小结1.3　研究框架1.3.1　研究思路1.3.2　研究内容1.3.3　研究创新点1.4　本书结构安排2　相关理论知识介绍2.1　自组织数据挖掘简介2.1.1　自组织数据挖掘的基本思想2.1.2　多层GMDH算法的建模步骤2.1.3　多层GMDH算法的抗干扰性2.2　分类器集成简介2.2.1　多分类器集成模型2.2.2　基本分类器的生成方法2.2.3　常用的分类器集成方法2.3　本章小结3　客户价值区分集成的基础研究3.1　客户价值理论3.1.1　客户价值概念的界定3.1.2　客户生命周期价值3.2　客户价值区分的研究框架3.3　客户价值区分集成的研究框架3.3.1　客户价值区分集成的概念界定3.3.2　客户价值区分集成的工作原理3.4　本章小结4　基于GMDH的分类器集成方法研究4.1　基于GMDH的贝叶斯网络分类模型4.1.1　引言4.1.2　贝叶斯结构学习简介4.1.3　选择性贝叶斯网络扩展的朴素贝叶斯模型4.1.4　基于GMDH的SBNANB分类器的结构识别4.1.4.1　外准则的选择4.1.4.2　GBC算法描述4.1.5　试验分析4.1.5.1　数据和实验设计4.1.5.2　分类器的结构识别4.1.5.3　无噪声情况下的贝叶斯分类试验4.1.5.4　有人工噪声情况下的贝叶斯分类试验4.1.5.5　讨论4.1.6结论4.2　基于GMDH的静态分类器集成选择策略4.2.1　引言4.2.2　静态分类器集成选择算法4.2.2.1　外准则的选择4.2.2.2　算法描述4.2.2.3　算法复杂度分析4.2.3　实验分析4.2.3.1　不同算法的分类精度对比分析4.2.3.2　基于不用融合算法的客户分类性能4.2.4　结论4.3　基于GMDH的动态分类器集成选择策略4.3.1　引言4.3.2　动态分类器集成选择简介4.3.2.1　基于K-nearest-oracles的动态集成选择4.3.2.2　基于DCS的动态集成选择4.3.2.3　动态过度生产-选择策略4.3.3　基于GMDH的动态分类器集戍选择算法4.3.3.1　外准则的选择4.3.3.2　算法描述4.3.4　实验设计4.3.5　实验结果分析4.3.5.1　几个重要参数对GDES-AD性能影响的分析4.3.5.2　无噪声情况下的分类性能比较4.3.5.3　类别噪声情况下的分类性能比较4.3.5.4　属性噪声情况下分类性能比较4.3.5.5　偏差-方差分解4.3.6　讨论4.3.7　结论4.4　本章小结5　客户价值区分典型问题研究5.1　面向噪声数据的客户价值区分“一步式”集成模型5.1.1　引言5.1.2　“一步式”集成策略的构建5.1.3　实例分析5.1.3.1　试验设置5.1.3.2　类别噪声情况下的分类结果5.1.3.3　属性噪声情况下的分类结果5.1.4　小结5.2　面向类别不平衡的客户价值区分“一步式”集成模型5.2.1　引言5.2.2　用于处理类别不平衡数据的常用方法5.2.2.1　重抽样技术5.2.2.2　代价敏感学习5.2.3　多分类器组合方法介绍5.2.3.1　静态分类器组合方法5.2.3.2　动态分类器组合方法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　代价敏感的外部评价准则5.2.4.3　算法描述5.2.5　实例分析5.2.5.1　试验设置5.2.5.2　评价准则5.2.5.3　试验结果分析5.2.6　结论5.3　面向缺失数据的客户价值区分“一步式”集成模型5.3.1　引言5.3.2　数据缺失的机制5.3.2.1　随机缺失5.3.2.2　完全随机缺失5.3.2.3　非随机缺失5.3.3　缺失数据的处理方法5.3.3.1　个案删除法5.3.3.2　单值插补法5.3.3.3　多重替代法5.3.4　“一步式”集成策略5.3.5　实例分析5.3.5.1　试验设置5.3.5.2　试验结果分析5.3.6　结论5.4　客户价值区分集成的实施步骤5.5　本章小结6　“一步式”客户价值区分实证研究6.1　客户流失预测实证分析6.1.1　数据来源6.1.2　预测结果分析6.2　客户信用评估实证分析6.2.1　数据来源6.2.2　评估结果分析6.3　本章小结7　总结与展望7.1　总结7.2　研究展望参考文献附录A　证明附录B　非参数统计检验附录C　偏差-方差分解索引