探析数据挖掘技术在证券业crm中的应用研究

《探析数据挖掘技术在证券业crm中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、南昌大学硕士学位论文数据挖掘技术在证券业CRM中的应用研究姓名：熊淑华申请学位级别：硕士专业：计算机应用技术指导教师：林仲达20081223摘要摘要数据挖掘技术是信息技术发展到一定阶段的新兴技术，它的目的是从大量的实际应用数据中，提取隐含在其中的有用的信息和知识。分类作为数据挖掘领域内最为常见的技术之一，成为了众多学者研究的课题。决策树方法是分类技术的重要内容。尽管存在着多种不同的决策树算法，但这些算法还存在一些问题：如算法的效率，决策树的稳定性，可伸缩性问题等等。因此对决策树算法还需要做进一步的优化和改进，以更好的应用于实际的工程问题。本文重点是

2、对决策树算法的研究，提出了一种新粗糙决策树方法。此外，根据我国证券业的特点，设计了一种证券业CRM的系统模型。本文的主要工作有：l、系统阐述了分类的过程，并对主流分类技术以及分类方法评价标准做了详细的介绍。2、研究经典决策树算法ID3和C4．5，针对实例进行分析，给出了两种算法特点对比。3、根据客户数据的特点，针对具体的客户数据样本，利用决策树算法、Naivebayes以及RBFNetwork算法分别对其进行分类，对不同分类算法分类性能进行了分析，总结了选择决策树方法与粗糙集方法相结合的原因。4、研究粗糙集理论中属性重要性的理论，结合传统C4．5算

3、法通过信息增益率对属性进行选择的方式，采用属性重要性的概念替换信息增益率对决策树节点进行选择，提出了一种新的粗糙决策树方法。5、详细描述了CRM的几种定义与特点，根据我国证券业的特点设计了一种符合我国国情的证券业CRM系统模型，并设计了一个客户分类的星型数据仓库模型。将新的粗糙决策树方法应用于证券业CRM中对客户的分类。实例证明，利用粗糙决策树对证券客户进行分类能取得很好的效果。此外，对证券业CRM中数据挖掘技术的应用提出了几点建议。关键词：分类；C4．5；粗糙集；粗糙决策树：客户关系管理ABSTRACTDataMiningisanewtechno

4、logyintherapiddevelopmentinforrnatlontechn0109y．ItisusedtOextractingtheusefulinformationandknowledge缸omapplicationdata．C1assificationisaveryimportantbranchofdataminingfield·And“hasbeendiscussedbymanyresearchers．Decisiontreeisthemostimportantfield1nclaSsi&ation．Althoughvariousc

5、lassifyalgorithmssuitablefordecisiontreehavebeenDutfIor、删，thereexistsomeproblemswiththem，suchascomputingefficiency,stability,scalabilityandSOon．Thereforeclassifyalgorithmneedsdeeperresearcnt0meetengineeringdemanding．Andconsequently,anewRoughDecisiontreebeproposedinthisthesisan

6、dtheirhighperformancecomparedtoC4·5algoritllIIllsdemonstratedbysomeexamples．Inaddition,designingasystemmodelofstockjobber’sCRMaccordingtOthecharacteristicofsecuritiesindustrymchina·Themajorachievementsofthisthesisareasfollows·Firstly,tOexpatiatetheclassifyprocessing．anddescrib

7、edsomemalntechnologiesusedinclassifydetail．Italsosummarizetheevaluationstandardotclassify．．．Secondly's1们yofID3algorithmandC4．5algorithm．SometestandconcluslonhaSbeendra眦byanactualexample，Besides，comparethecharacteristlcsofabovealgorithms·一．Thirdly，givesomeexamplesaccordingtOthe

8、featureofcustomerdata，analYseitwithdecisiontree、Naivebayesand