面向数据特点的客户价值区分集成模型研究PDF电子书下载

1绪论 1

1.1研究背景 1

1.2客户价值区分研究现状 10

1.2.1客户信用评估 12

1.2.1.1面向类别不平衡数据的客户信用评估 13

1.2.1.2面向噪声数据的客户信用评估 15

1.2.1.3面向缺失数据的客户信用评估 18

1.2.2客户流失预测 18

1.2.2.1面向类别不平衡数据的客户流失预测 19

1.2.2.2面向噪声数据的客户流失预测 21

1.2.2.3面向缺失数据的客户流失预测 22

1.2.3文献回顾小结 22

1.3研究框架 25

1.3.1研究思路 25

1.3.2研究内容 25

1.3.3研究创新点 27

1.4本书结构安排 28

2相关理论知识介绍 30

2.1自组织数据挖掘简介 30

2.1.1自组织数据挖掘的基本思想 30

2.1.2多层GMDH算法的建模步骤 32

2.1.3多层GMDH算法的抗干扰性 36

2.2分类器集成简介 38

2.2.1多分类器集成模型 40

2.2.2基本分类器的生成方法 41

2.2.3常用的分类器集成方法 45

2.3本章小结 47

3客户价值区分集成的基础研究 48

3.1客户价值理论 48

3.1.1客户价值概念的界定 48

3.1.2客户生命周期价值 49

3.2客户价值区分的研究框架 53

3.3客户价值区分集成的研究框架 54

3.3.1客户价值区分集成的概念界定 54

3.3.2客户价值区分集成的工作原理 56

3.4本章小结 57

4基于GMDH的分类器集成方法研究 58

4.1基于GMDH的贝叶斯网络分类模型 59

4.1.1引言 59

4.1.2贝叶斯结构学习简介 62

4.1.3选择性贝叶斯网络扩展的朴素贝叶斯模型 64

4.1.4基于GMDH的SBNANB分类器的结构识别 65

4.1.4.1外准则的选择 65

4.1.4.2 GBC算法描述 67

4.1.5试验分析 72

4.1.5.1数据和实验设计 72

4.1.5.2分类器的结构识别 74

4.1.5.3无噪声情况下的贝叶斯分类试验 77

4.1.5.4有人工噪声情况下的贝叶斯分类试验 79

4.1.5.5讨论 83

4.1.6结论 84

4.2基于GMDH的静态分类器集成选择策略 85

4.2.1引言 85

4.2.2静态分类器集成选择算法 86

4.2.2.1外准则的选择 86

4.2.2.2算法描述 87

4.2.2.3算法复杂度分析 89

4.2.3实验分析 90

4.2.3.1不同算法的分类精度对比分析 91

4.2.3.2基于不用融合算法的客户分类性能 93

4.2.4结论 96

4.3基于GMDH的动态分类器集成选择策略 96

4.3.1引言 96

4.3.2动态分类器集成选择简介 99

4.3.2.1基于K-nearest-oracles的动态集成选择 100

4.3.2.2基于DCS的动态集成选择 101

4.3.2.3动态过度生产—选择策略 102

4.3.3基于GMDH的动态分类器集成选择算法 103

4.3.3.1外准则的选择 103

4.3.3.2算法描述 104

4.3.4实验设计 108

4.3.5实验结果分析 111

4.3.5.1几个重要参数对GDES-AD性能影响的分析 111

4.3.5.2无噪声情况下的分类性能比较 119

4.3.5.3类别噪声情况下的分类性能比较 122

4.3.5.4属性噪声情况下分类性能比较 126

4.3.5.5偏差—方差分解 129

4.3.6讨论 135

4.3.7结论 137

4.4本章小结 138

5客户价值区分典型问题研究 139

5.1面向噪声数据的客户价值区分“一步式”集成模型 142

5.1.1引言 142

5.1.2“一步式”集成策略的构建 143

5.1.3实例分析 145

5.1.3.1试验设置 145

5.1.3.2类别噪声情况下的分类结果 146

5.1.3.3属性噪声情况下的分类结果 148

5.1.4小结 149

5.2面向类别不平衡的客户价值区分“一步式”集成模型 150

5.2.1引言 150

5.2.2用于处理类别不平衡数据的常用方法 154

5.2.2.1重抽样技术 154

5.2.2.2代价敏感学习 155

5.2.3多分类器组合方法介绍 155

5.2.3.1静态分类器组合方法 155

5.2.3.2动态分类器组合方法 156

5.2.4“一步式”集成模型 156

5.2.4.1模型的基本思想 156

5.2.4.2代价敏感的外部评价准则 157

5.2.4.3算法描述 158

5.2.5实例分析 159

5.2.5.1试验设置 159

5.2.5.2评价准则 160

5.2.5.3试验结果分析 161

5.2.6结论 163

5.3面向缺失数据的客户价值区分“一步式”集成模型 163

5.3.1引言 163

5.3.2数据缺失的机制 166

5.3.2.1随机缺失 166

5.3.2.2完全随机缺失 166

5.3.2.3非随机缺失 167

5.3.3缺失数据的处理方法 167

5.3.3.1个案删除法 168

5.3.3.2单值插补法 168

5.3.3.3多重替代法 169

5.3.4“一步式”集成策略 170

5.3.5实例分析 171

5.3.5.1试验设置 171

5.3.5.2试验结果分析 173

5.3.6结论 173

5.4客户价值区分集成的实施步骤 174

5.5本章小结 174

6“一步式”客户价值区分实证研究 176

6.1客户流失预测实证分析 176

6.1.1数据来源 177

6.1.2预测结果分析 177

6.2客户信用评估实证分析 179

6.2.1数据来源 180

6.2.2评估结果分析 180

6.3本章小结 182

7总结与展望 184

7.1总结 184

7.2研究展望 185

参考文献 187

附录A证明 213

附录B非参数统计检验 217

附录C偏差—方差分解 221

索引 223