基于朴素贝叶斯的移动客户职业识别算法与调试

摘要

随着移动通信、互联网业务的迅速发展。手机已经从奢侈品变成了生活日用品，是我们日常生活中不可缺少的一部分。人们随时随地使用手机打电话、发短信、上网，而用户的这些行为以及其个人基本信息均在运营商处有所记录。如何能够通过流量费、通话费、短信条数、上网时长四个加权因素来综合刻画用户职业类型。对于整体运营商行业来说，是极其重要和有价值的研究课题。
　　对特定人群提供特定服务和合适的资费尤为重要。因为不同的职业有不同的消费倾向和消费能力，对选择资费和话费业务上有很大的不同。所以通过用户以往数据，归纳出不同职业用户的特征，再对未知职业的用户做出预测，对公司市场和业务流程有很大的帮助，可以节约大量不必要的推广成本，提高推广转化率。
　　我们运用朴素贝叶斯模型先对信息完整的用户职业信息进行分类。以职场新人为例，根据刻画职场新人的四个影响因素与职场新人职业之间的关系。预测出两个职业信息不详的职场新人分别是从事房地产经营产业和其他商务服务业的。我们将数据表中手机信息不详的职场新人单独列举出来，根据上问中信息完整的职场新人的相关指标因子来确定手机信息不详的职场新人终端大致的价格范围。当职场新人与聚类中心的距离小的时候，这个职场新人就属于这个类别。当这个距离大的时候，该职场新人就不属于这个类别。

目录

声明

摘要

第一章 引言

1．1 课题研究意义

1．2 分类与朴素贝叶斯分类器

1．3 移动客户职业特征

1．4 论文结构安排

1．5 本章小结

第二章 定义与问题描述

2．1 分类问题相关定义

2．2 用户识别问题描述

2．3 朴素贝叶斯算法原理

2．4 本章小结

第三章 用户预测算法描述

3．1 训练过程

3．2 预测过程

3．3 单机实现方案

3．4 本章小结

第四章 研究实验

4．1 实验数据及特征选择

4．2 统计模型选择

4．2．1 伯努利模型

4．2．2 高斯模型

4．3 实验结果

4．4 实验讨论

4．5 实验关键代码

4．6 本章小结

第五章 结论与展望

参考文献

致谢