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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、在任何行業(yè),日益激烈的競(jìng)爭(zhēng)使企業(yè)認(rèn)識(shí)到客戶是他們真正的資產(chǎn),營(yíng)銷的主要工作也是圍繞保留現(xiàn)有客戶和發(fā)展新客戶展開,營(yíng)銷方式也表現(xiàn)為差異化營(yíng)銷和一對(duì)一營(yíng)銷,最終實(shí)現(xiàn)客戶滿意度和公司獲利的雙贏。
民航企業(yè)不僅要與國(guó)內(nèi)外的民航公司進(jìn)行競(jìng)爭(zhēng),還要面對(duì)來自鐵路(尤其是高鐵)、公路、水運(yùn)的挑戰(zhàn)。保留旅客和發(fā)展新旅客的一個(gè)關(guān)鍵問題就是如何劃分旅客群,找出各個(gè)旅客群的特征,從而可以提供差異化服務(wù)。本文使用的數(shù)據(jù)是基于常旅客行為的數(shù)據(jù)。
2、> 本文首先在常旅客數(shù)據(jù)預(yù)處理方面也做了探討,包括異常值處理、相關(guān)性分析、探索性分析、數(shù)據(jù)抽樣和基于主成分分的數(shù)據(jù)降維。
客戶細(xì)分常用聚類方法實(shí)現(xiàn),其中K-Means算法在實(shí)踐中最為常見,在處理大規(guī)模數(shù)據(jù)方面有突出的優(yōu)勢(shì),但是K-Means方法的結(jié)果具有任意性,這給類別的確定帶來了困擾。本文主要內(nèi)容是基于Bagging的集成聚類算法在常旅客分群中的應(yīng)用,集成聚類算法中的聚類算法分別使用了K-Means和cmeans兩
3、種算法,這兩種集成聚類方法在抽樣次數(shù)B在20至50之間已經(jīng)能夠分別取得一致的聚類結(jié)果。
本文建立了三個(gè)聚類模型,分別使用了K-Means算法、基于Bagging的K-Means算法和基于Bagging的cmeans算法,根據(jù)SSW(Sum of Squares Within theClusters,類內(nèi)方差平方和)和SSB(Sum of Squares Between the Clusters,類間方差平方和)指標(biāo)得出基于
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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 組合聚類方法在文本聚類中的應(yīng)用研究.pdf
- 基于SEAM算法的集成聚類及在文本應(yīng)用中的研究.pdf
- 基于Bagging算法的集成支持向量機(jī)在個(gè)人信用評(píng)級(jí)中的應(yīng)用.pdf
- 聚類方法在證券行業(yè)中的應(yīng)用.pdf
- 基于Hadoop的聚類集成方法研究.pdf
- AFS聚類方法研究及其在模糊數(shù)據(jù)聚類中的應(yīng)用.pdf
- 基于層次聚類的集成學(xué)習(xí)方法及應(yīng)用研究.pdf
- 基于密度的聚類集成.pdf
- 基于有效性的聚類集成研究及其在機(jī)場(chǎng)噪聲評(píng)價(jià)中的應(yīng)用.pdf
- 基于商空間的聚類方法研究及其在CRM中的應(yīng)用.pdf
- 基于聚類的覆蓋優(yōu)化方法及其在協(xié)作式搜索中的應(yīng)用.pdf
- 譜方法和信息熵在聚類中的應(yīng)用.pdf
- 基于聚類風(fēng)電場(chǎng)分群及等值建模的研究.pdf
- 聚類集成算法在客戶細(xì)分中的研究及應(yīng)用.pdf
- 基于層次聚類的簇集成方法研究.pdf
- 基于無指導(dǎo)的詞聚類及在文本聚類中應(yīng)用的研究.pdf
- 基于Hadoop的民航高價(jià)值旅客發(fā)現(xiàn)方法研究.pdf
- 基于粗集模型的聚類方法及其在文獻(xiàn)過濾系統(tǒng)中的應(yīng)用.pdf
- 蟻群聚類算法及其在電信客戶分群中的應(yīng)用.pdf
- 基于時(shí)段基因的聚類方法在企業(yè)績(jī)效評(píng)價(jià)中的應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論