基于數(shù)據(jù)挖掘的電信客戶流失模型分析與設(shè)計(jì).pdf_第1頁
已閱讀1頁,還剩62頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、基于數(shù)據(jù)挖掘的客戶流失預(yù)測這項(xiàng)研究,是在數(shù)據(jù)倉庫技術(shù)和數(shù)據(jù)挖掘技術(shù)迅速發(fā)展的基礎(chǔ)上,針對電信企業(yè)客戶關(guān)系管理的迫切需要而提出的。為進(jìn)一步發(fā)展客戶關(guān)系管理,本文基于數(shù)據(jù)挖掘的思想,將幾種挖掘算法相結(jié)合,建立一種客戶流失預(yù)測模型。該模型能夠有效提高分類精度和識別效率,充分利用聚類和Logistic回歸的各自優(yōu)點(diǎn)。本文中采用的分析方法是利用己知的數(shù)據(jù)通過建立模型的方法找出隱含的業(yè)務(wù)規(guī)則,再利用這些規(guī)則進(jìn)行預(yù)測,指導(dǎo)決策。 本論文主要研

2、究數(shù)據(jù)挖掘中的決策樹、神經(jīng)網(wǎng)絡(luò)以及Logistic回歸算法具體在電信業(yè)客戶流失分析中的應(yīng)用。首先介紹了數(shù)據(jù)挖掘的理論及相關(guān)算法。之后,對所采用的三種算法做了詳細(xì)的描述。從電信企業(yè)的實(shí)際情況出發(fā),分析探討了電信企業(yè)運(yùn)用數(shù)據(jù)挖掘的重要性。根據(jù)其實(shí)際需求,給出預(yù)測系統(tǒng)的基本描述。最后,針對電信業(yè)客戶流失問題,并以實(shí)際項(xiàng)目為依托,通過數(shù)據(jù)挖掘技術(shù)在大量的歷史數(shù)據(jù)中進(jìn)行挖掘分析。以CRISP_DM(Cross-industry Process f

3、or DataMining)方法論為建模過程框架,按照商業(yè)理解、數(shù)據(jù)準(zhǔn)備、建立模型、模型評估、模型發(fā)布的步驟,在建模過程中對三種算法的效率和精度進(jìn)行分析和對比。最終選擇了評估指標(biāo)最好的Logistic回歸算法建立的模型。利用數(shù)據(jù)挖掘工具Clementine實(shí)現(xiàn)了電信客戶流失預(yù)測模型的設(shè)計(jì)。在上述研究的基礎(chǔ)上,構(gòu)建電信客戶流失預(yù)測模型,并結(jié)合預(yù)測系統(tǒng)的自身特點(diǎn),給出電信企業(yè)客戶流失預(yù)測的解決方案。 本文把數(shù)據(jù)挖掘理論與實(shí)際項(xiàng)目相

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論