数据挖掘中的决策树方法及其在客户分类中的应用

摘要

针对性地收集客户资源,对客户资源的有效维护和使用,是直销企业管理中的核心问题.中国加入WTO后,开放直销市场的日期日益临近,2004年10月1日中国的直销法即将出台,外资直销企业和国外的直销产品将陆续进入中国,对中国的直销市场形成强烈冲击.在这种情况下,中国的直销企业如何快速构建完善的管理基础,特别是客户资源管理体系是当务之急.该文以典型的直销企业大连理工领先生物工程有限公司业务中的客户资源管理为对象,利用决策树方法对客户资源进行客户分类,挖掘出理想客户.决策树方法的核心算法是ID3算法.它的缺陷是易偏向于取值较多的属性,而取值较多的属性却不总是最优的属性.该文在利用ID3算法建立决策树的过程中,提出了信息增益度优化算法,在一定程度上克服了ID3算法取值偏向问题,得到了较为理想的决策树分类模型.另外在对数值连续型数据离散化,即对数据进行二元分裂时,该文用分类准确率替代了原来的信息增益,使计算大大简化.

目录

文摘

英文文摘

前言

1绪论

1.1课题的来源、研究背景及意义

1.2数据挖掘的研究方面

1.3数据挖掘的主要任务

1.4论文的主要内容

1.5论文的组织结构

2数据挖掘中的决策树方法

2.1决策树方法介绍

2.2 ID3学习算法

2.3决策树的简化

2.3.1决策树过大的原因

2.3.2控制树的大小

2.4决策树方法的特点

3客户分类的问题定义

3.1系统需求分析

3.2问题定义

3.3客户分类过程的总体结构

3.4数据预处理

3.4.1数据抽取

3.4.2数据清理

3.4.3数据归纳

3.4.4数据转换

4决策树分类模型的建立

4.1核心数据结构与ID3算法流程

4.1.1核心数据结构

4.1.2算法流程

4.2构建决策树

4.3结果分析

4.4信息增益度法与实验结果分析

4.4.1信息增益度法

4.4.2改进后的结果分析

5总结与展望

致谢

参考文献

攻读硕士学位期间发表的论文

大连理工大学学位论文版权使用授权书