數(shù)據(jù)挖掘技術(shù)在證券業(yè)CRM中的應(yīng)用研究.pdf

1、數(shù)據(jù)挖掘技術(shù)是信息技術(shù)發(fā)展到一定階段的新興技術(shù)，它的目的是從大量的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的有用的信息和知識(shí)。分類作為數(shù)據(jù)挖掘領(lǐng)域內(nèi)最為常見的技術(shù)之一，成為了眾多學(xué)者研究的課題。決策樹方法是分類技術(shù)的重要內(nèi)容。盡管存在著多種不同的決策樹算法，但這些算法還存在一些問題：如算法的效率，決策樹的穩(wěn)定性，可伸縮性問題等等。因此對(duì)決策樹算法還需要做進(jìn)一步的優(yōu)化和改進(jìn)，以更好的應(yīng)用于實(shí)際的工程問題。本文重點(diǎn)是對(duì)決策樹算法的研究，提出了一種新粗

2、糙決策樹方法。此外，根據(jù)我國(guó)證券業(yè)的特點(diǎn)，設(shè)計(jì)了一種證券業(yè)CRM的系統(tǒng)模型。 本文的主要工作有： 1、系統(tǒng)闡述了分類的過程，并對(duì)主流分類技術(shù)以及分類方法評(píng)價(jià)標(biāo)準(zhǔn)做了詳細(xì)的介紹。 2、研究經(jīng)典決策樹算法ID3和C4.5，針對(duì)實(shí)例進(jìn)行分析，給出了兩種算法特點(diǎn)對(duì)比。 3、根據(jù)客戶數(shù)據(jù)的特點(diǎn)，針對(duì)具體的客戶數(shù)據(jù)樣本，利用決策樹算法、Naivebayes以及RBFNetwork算法分別對(duì)其進(jìn)行分類，對(duì)不同分類算法分

3、類性能進(jìn)行了分析，總結(jié)了選擇決策樹方法與粗糙集方法相結(jié)合的原因。 4、研究粗糙集理論中屬性重要性的理論，結(jié)合傳統(tǒng)C4.5算法通過信息增益率對(duì)屬性進(jìn)行選擇的方式，采用屬性重要性的概念替換信息增益率對(duì)決策樹節(jié)點(diǎn)進(jìn)行選擇，提出了一種新的粗糙決策樹方法。 5、詳細(xì)描述了CRM的幾種定義與特點(diǎn)，根據(jù)我國(guó)證券業(yè)的特點(diǎn)設(shè)計(jì)了一種符合我國(guó)國(guó)情的證券業(yè)CRM系統(tǒng)模型，并設(shè)計(jì)了一個(gè)客戶分類的星型數(shù)據(jù)倉(cāng)庫(kù)模型。將新的粗糙決策樹方法應(yīng)用于證券業(yè)