數(shù)據(jù)挖掘技術在證券業(yè)CRM中的應用研究.pdf_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、數(shù)據(jù)挖掘技術是信息技術發(fā)展到一定階段的新興技術,它的目的是從大量的實際應用數(shù)據(jù)中,提取隱含在其中的有用的信息和知識。分類作為數(shù)據(jù)挖掘領域內(nèi)最為常見的技術之一,成為了眾多學者研究的課題。決策樹方法是分類技術的重要內(nèi)容。盡管存在著多種不同的決策樹算法,但這些算法還存在一些問題:如算法的效率,決策樹的穩(wěn)定性,可伸縮性問題等等。因此對決策樹算法還需要做進一步的優(yōu)化和改進,以更好的應用于實際的工程問題。本文重點是對決策樹算法的研究,提出了一種新粗

2、糙決策樹方法。此外,根據(jù)我國證券業(yè)的特點,設計了一種證券業(yè)CRM的系統(tǒng)模型。 本文的主要工作有: 1、系統(tǒng)闡述了分類的過程,并對主流分類技術以及分類方法評價標準做了詳細的介紹。 2、研究經(jīng)典決策樹算法ID3和C4.5,針對實例進行分析,給出了兩種算法特點對比。 3、根據(jù)客戶數(shù)據(jù)的特點,針對具體的客戶數(shù)據(jù)樣本,利用決策樹算法、Naivebayes以及RBFNetwork算法分別對其進行分類,對不同分類算法分

3、類性能進行了分析,總結了選擇決策樹方法與粗糙集方法相結合的原因。 4、研究粗糙集理論中屬性重要性的理論,結合傳統(tǒng)C4.5算法通過信息增益率對屬性進行選擇的方式,采用屬性重要性的概念替換信息增益率對決策樹節(jié)點進行選擇,提出了一種新的粗糙決策樹方法。 5、詳細描述了CRM的幾種定義與特點,根據(jù)我國證券業(yè)的特點設計了一種符合我國國情的證券業(yè)CRM系統(tǒng)模型,并設計了一個客戶分類的星型數(shù)據(jù)倉庫模型。將新的粗糙決策樹方法應用于證券業(yè)

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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論