欢迎来到天天文库
浏览记录
ID:34823467
大小:2.08 MB
页数:59页
时间:2019-03-11
《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
此文档下载收益归作者所有