基于Bagging的集成聚類方法在民航常旅客分群中的應(yīng)用.pdf

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