国家自然科学基金(70802019)
- 作品数：3 被引量：23H指数：3
- 相关作者：邹鹏莫佳卉叶强李一军郝媛媛更多>>
- 相关机构：哈尔滨工业大学德克萨斯大学加利福尼亚大学更多>>
- 发文基金：国家自然科学基金国家哲学社会科学创新基地资助项目更多>>
- 相关领域：经济管理自动化与计算机技术更多>>
- 基于代价敏感决策树的客户价值细分(英文)被引量：10
- 2011年
- 由于错误分类代价差异和不同价值客户数量的不平衡分布,基于总体准确率的数据挖掘方法不能体现由于客户价值不同对分类效果带来的影响。为了解决错误分类不平衡的数据分类问题,利用代价敏感学习技术扩展现有决策树模型,将这一方法应用在客户价值细分,建立基于客户价值的错分代价矩阵,以分类代价最小化作为决策树分支的标准,建立分类的期望损失函数作为分类效果的评价标准,采用中国某银行的信用卡客户数据进行实验。实验结果表明,与传统决策树方法相比,代价敏感决策树对客户价值细分问题有更好的分类效果,可以更精确地控制代价敏感性和不同种分类错误的分布,降低总体的错误分类代价,使模型能更准确反映分类的代价。
- 邹鹏莫佳卉江亦华叶强
- 关键词：代价敏感学习决策树客户价值细分
- 面向数据漂移的代价敏感客户细分被引量：4
- 2011年
- 为解决数据挖掘中存在的数据漂移和客户价值分布不平衡问题,采用了分阶段聚类和代价敏感支持向量机的新方法.新方法首先对全部客户聚类得到特征相似的客户群,然后用某个区域客户属于某客户群的后验概率对城市进行聚类,具有相似后验概率分布的城市群被认为是具有类似的客户结构,每个城市群的客户组成了新的客户样本,对每个样本分别进行代价敏感分类,并完成客户细分.对比实验表明,该方法提高整体预测准确率和高价值客户识别能力,降低模型错误分类代价.改进的方法能在保证分类准确率的同时,更有助于企业锁定高端客户,动态地调整区域市场战略.
- 邹鹏于渤王宪全
- 关键词：代价敏感学习支持向量机客户细分
- 基于代价敏感性学习的客户价值细分被引量：10
- 2009年
- 在基于价值的客户细分中,不可避免地产生"拒真纳伪"的两类错误,由于错误分类代价差异和不同价值客户数量的不平衡分布,基于总体准确率的数据挖掘方法不能体现由于客户价值不同对分类效果带来的影响.本研究在代价敏感性学习机制下引入支持向量机作为分类工具,建立基于客户价值的错分代价函数,为适应客户价值多类别细分的要求,将二元分类扩展为多元分类,建立分类的期望损失函数作为分类效果的评价标准.实验结果说明,该方法可以更精确地控制代价敏感性和不同种分类错误的分布,降低总体的错误分类代价,使模型能更准确反映分类的代价,有效识别客户价值.
- 邹鹏李一军郝媛媛
- 关键词：客户细分客户价值代价敏感学习支持向量机
- 成员制营销模式下客户忠诚驱动机制研究
- 服务业的"成员制"营销模式是指消费者先要获得"购买和使用某公司服务的资格",然后才能购买和使用该公司提供的服务,客户与公司建立关系和购买是分离的。目前鲜有这一模式下客户关系管理的研究。本研究针对一个消费者同时拥有多个竞争...
- 邹鹏于渤
- 关键词：客户忠诚
- 文献传递
