基于集成學(xué)習(xí)的數(shù)據(jù)庫營銷研究.pdf

1、數(shù)據(jù)庫營銷指企業(yè)根據(jù)數(shù)據(jù)庫中存儲(chǔ)的消費(fèi)者信息分析和識(shí)別可能對營銷活動(dòng)或產(chǎn)品感興趣的消費(fèi)者(目標(biāo)客戶)，并使用電子郵件、短信、電話等方式進(jìn)行客戶深度挖掘與關(guān)系維護(hù)，或與客戶建立一對一的互動(dòng)溝通關(guān)系，以便企業(yè)更好地獲取用戶偏好，確立市場定位，調(diào)整合適的產(chǎn)品方向和跟蹤市場管理。目前，利用數(shù)據(jù)庫營銷對用戶進(jìn)行篩選分類進(jìn)而進(jìn)行有針對性的營銷活動(dòng)已經(jīng)成為很多企業(yè)提高營銷效率，降低營銷成本的重要手段。從數(shù)據(jù)挖掘的角度，我們可以將數(shù)據(jù)庫營銷中準(zhǔn)確定位目

2、標(biāo)客戶視為分類預(yù)測問題，即根據(jù)消費(fèi)者的特征屬性預(yù)測其是否購買產(chǎn)品或購買產(chǎn)品的概率，因此，提高數(shù)據(jù)庫營銷模型的預(yù)測精度具有非常重要的現(xiàn)實(shí)意義和實(shí)際價(jià)值。類別不均衡是數(shù)據(jù)庫營銷過程中普遍存在的問題，其主要表現(xiàn)為某一類別的數(shù)據(jù)量遠(yuǎn)低于其它類別的數(shù)據(jù)量。類別不均衡這一數(shù)據(jù)特性使得傳統(tǒng)的分類預(yù)測模型在實(shí)際應(yīng)用過程中面臨數(shù)據(jù)匱乏，數(shù)據(jù)淹沒等現(xiàn)象，從而降低數(shù)據(jù)庫營銷的效果。目前研究主要從數(shù)據(jù)，算法和評(píng)價(jià)標(biāo)準(zhǔn)三個(gè)層面對數(shù)據(jù)庫營銷模型進(jìn)行改進(jìn)以提高其分類

3、預(yù)測的準(zhǔn)確度：數(shù)據(jù)層面主要通過改變采樣方式進(jìn)而改變數(shù)據(jù)集的類別分布來解決這一問題，如過采樣，欠采樣，SMOTE算法等；算法層面則通過改善算法的內(nèi)部結(jié)構(gòu)或相關(guān)參數(shù)來提高算法的適應(yīng)性進(jìn)而改善其在非平衡數(shù)據(jù)集上的表現(xiàn)，主要包括代價(jià)敏感學(xué)習(xí)，改進(jìn)的SVM算法，集成學(xué)習(xí)等等；評(píng)價(jià)標(biāo)準(zhǔn)主要通過使用 F-measure，ROC曲線，命中率和升力曲線等等，這些評(píng)價(jià)方法和傳統(tǒng)的方法相比，不再單一的關(guān)注分類預(yù)測模型在數(shù)據(jù)集上整體的表現(xiàn)，因此更適合類別不均衡

4、問題的評(píng)價(jià)。在這些改進(jìn)的方法中，集成學(xué)習(xí)在非平衡數(shù)據(jù)集上具有更好的分類預(yù)測能力和穩(wěn)定性，并且能夠避免過擬合問題，因此更受到該領(lǐng)域研究者的關(guān)注。集成學(xué)習(xí)的基本思想是使用多個(gè)基礎(chǔ)學(xué)習(xí)器對數(shù)據(jù)集進(jìn)行學(xué)習(xí)，并對學(xué)習(xí)結(jié)果進(jìn)行集成得到最終輸出。相對于單一的學(xué)習(xí)模型，集成學(xué)習(xí)具有更強(qiáng)的泛化能力和預(yù)測效果。
　　本文針對消費(fèi)者群體的多樣性和類別不均衡性提出了基于有監(jiān)督聚類和集成學(xué)習(xí)的數(shù)據(jù)庫營銷模型，并且從單個(gè)基礎(chǔ)學(xué)習(xí)器的個(gè)體性能以及各基礎(chǔ)學(xué)習(xí)器之