基于關(guān)聯(lián)向量機(jī)的保險(xiǎn)客戶識(shí)別研究.pdf

1、客戶識(shí)別作為客戶關(guān)系管理的起始階段，是客戶關(guān)系管理中其它環(huán)節(jié)開展的前提。高效的客戶識(shí)別模型可以幫助企業(yè)準(zhǔn)確地找到有價(jià)值客戶，為企業(yè)開展客戶關(guān)系管理提供有力依據(jù)，因此對(duì)客戶識(shí)別模型進(jìn)行研究對(duì)于提高客戶關(guān)系管理效率就顯得尤為重要?？捎糜诳蛻糇R(shí)別的方法很多，其中最重要的一類方法就是數(shù)據(jù)挖掘方法。關(guān)聯(lián)向量機(jī)是一種新的數(shù)據(jù)挖掘方法，具有泛化性能良好、概率式預(yù)測(cè)等優(yōu)越性，受到了國(guó)內(nèi)外許多學(xué)者的青睞，并在許多領(lǐng)域得到了應(yīng)用，包括電力、生物、水利等。<

2、br>　　 論文首先回顧已有的客戶識(shí)別模型；針對(duì)已有模型的不足引入關(guān)聯(lián)向量機(jī)客戶識(shí)別模型；系統(tǒng)闡述了關(guān)聯(lián)向量機(jī)這一新的數(shù)據(jù)挖掘技術(shù)的基本原理，分析了其存在的優(yōu)劣勢(shì)；在實(shí)例分析中將關(guān)聯(lián)向量機(jī)客戶識(shí)別模型的結(jié)果與其它模型結(jié)果進(jìn)行了對(duì)比，驗(yàn)證了論文提出的模型的可行性和有效性；最后給出結(jié)論。本文將關(guān)聯(lián)向量機(jī)引入客戶識(shí)別研究，貢獻(xiàn)如下：
　　 1、提出了同分布取樣數(shù)據(jù)降維方法。使用新的平衡數(shù)據(jù)對(duì)RVM模型進(jìn)行訓(xùn)練時(shí)，由于基函數(shù)矩陣維數(shù)過

3、大導(dǎo)致計(jì)算機(jī)無法完成運(yùn)算。因此，需要減少訓(xùn)練集數(shù)據(jù)量以降低基函數(shù)矩陣維度。本文提出采取同分布取樣的方法進(jìn)行降維處理，數(shù)據(jù)審核結(jié)果表明，得到的樣本子集同原平衡數(shù)據(jù)集是同分布的，可以替代原數(shù)據(jù)集進(jìn)行模型訓(xùn)練。
　　 2、采用實(shí)驗(yàn)法確定了模型的基函數(shù)。本文分別采用不同的基函數(shù)對(duì)RVM模型進(jìn)行訓(xùn)練，驗(yàn)證結(jié)果表明采用poly作為基函數(shù)時(shí)，RVM訓(xùn)練得到的模型的驗(yàn)證精度最高，訓(xùn)練中使用的關(guān)聯(lián)向量數(shù)最少。
　　 3、將關(guān)聯(lián)向量機(jī)數(shù)據(jù)挖