商业智能软件在汽车销售中的应用论文

《商业智能软件在汽车销售中的应用论文》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、商业智能软件在汽车销售中的应用论文摘要本文利用商业智能软件IBMDB2IntelligentMiner建立汽车市场营销分析的数据仓库模型，并利用决策树分类技术，对汽车销售企业的调查问卷数据进行分析，挖掘出最近一年内有购车意愿的客户的特征。企业针对这些特征，采取相应营销策略，从而提高营销的针对性和成功率。关键词商业智能软件数据挖掘决策树一、引言在激烈的市场竞争环境中，一个企业如果要生存和发展，就必需了解市场.freelining）软件。使用诸如决策树、神经网络、规则归纳等技术，用来发现数据之间的关系，做出基于数据的推断。数据挖掘是通过仔细分析大量数据来揭示有意义的新的

2、关系、模式和趋势的过程。它使用模式认知技术、统计技术和数学技术。数据挖掘的目的是为决策建模，即根据过去活动的分析预测将来的行为。比较常见的数据挖掘算法有：聚类分析、决策树、神经网络、规则归纳。一般比较好的数据挖掘工具都会支持这几种算法。三、决策树与IBMDB2IntelligentMiner决策树方法起源于概念学习系统，然后发展了ID3方法并达到高峰，最后又演化为能处理连续属性的C4.5。决策树构造的输入是一组带有类别标记的数据，构造的结果是一棵二叉或多叉树。二叉树的内部节点（非叶子节点）一般表示为一个逻辑判断，如形式为(ai=vi)的逻辑判断，其中ai是属性，vi

3、是该属性的某个属性值；树的边是逻辑判断的分支结果。多叉树的内部节点是属性，边是该属性的所有取值，有几个属性值，就有几条边。树的叶子节点都是类别标记。构造决策树的方法是采用自上而下的递归构造。以多叉树为例，它的构造思路是:如果训练数据集合中的所有数据是同类的，则将之作为叶子节点，节点内容即是该类别标记，否则，根据某种策略选择一个属性;按照属性的各个取值，把数据集合划分为若干子集合，使得每个子集上的所有数据在该属性上具有同样的属性值;然后再依次递归处理各个子集。这种思路实际上就是“分而治之”（Divide－and－conquer）的道理。二叉树的原理与此的差别仅在于要选

4、择一个好的逻辑判断。在生成的决策树中可以建立一个规则基。一个规则基包含一组规则，每一条规则对应决策树的一条不同路径，这条路径代表它经过节点所表示的条件的一条连接。IBM的IntenlligentMiner是市场上最强大和最有可伸缩性的工具之一，正在竞争数据挖掘工具市场的领导地位，它提供了最广泛的数据挖掘技术和算法，在数据规模和计算性能方面具有非常高的可伸缩性；IntellligentMiner支持分类、预测、关联规则、聚类、顺序模式侦测和时间序列分析的算法。IntenlligentMiner支持DB2关系数据库管理系统，并集成了大量复杂的数据操纵函数。根据IDC的统

5、计，IntelligentMiner目前是数据挖掘领域最先进的产品。大多数算法是由IBM研究所研发出的，是IBM的专有技术，并只存在于IntelligentMiner中。决策树使用的是CAU算法的二种变种，用以产生一个分类模型并且能够处理离散和连续数据。四、决策树技术在汽车销售中的应用下面将就某汽车销售公司，在汽车展上的调查问卷进行分析。潜在客户的数据主要有年龄、性别、职业、收入、教育程度、是否结婚，是否有房等，调查客户是否会在一年内买车。数据表格式如下：1.数据预处理。数据预处理的目的是为了提高数据质量，使数据挖掘的过程更加有效，更加容易，同时也提高挖掘结果的质量

6、。数据预处理的对象主要是清理其中的噪声数据、空缺数据和不一致数据。常用的数据预处理技术主要包括:数据清洗、相关分析和数据变换等。数据清洗试图填补训练集中的空缺值、识别孤立点、消除噪声、纠正数据中的不一致。对于空缺值的处理，通常有忽略元组、人工填写空缺值、使用全局常量填充、使用属性平均值填充、使用与给定元组同一类的样本平均值填充、使用最可能的值填充等方法。调查问卷中，有部分没有填写的选项，如年龄属性，对于这一部分记录采用的是使用属性平均值填充的方法。在进行数据挖掘工作之前，需要进行前期的数据整理工作，比如根据直观经验去除数据中的冗余信息或不相关信息，对于上面的数据集中

7、的属性，像序号等，可以在正式开始数据挖掘前去除，因为客户是否近期内买车是我们最关心的信息，我们把属性“是否一年内买车”即buy作为类标签属性。2.生成决策树，产生规则。整理后的数据导入到DB2关系数据库表中,使用IBM的Inten1igentMiner提供的数据挖掘工具生成决策树，并剪枝后如下图。在得到决策树之后,可以由其中提取分类规则,在该例中,可以提取的规则如下:IfSalary=2750～6500andage=31.5～40.5thenbuy=y。也就是说,在剪去一些噪声枝节之后，在决策树的每一条支路上，都可以形成一条分类规则。可以采用这些分类规则，对潜在