SASchampion2017
描述
基于航空公司的数据,构建了进行损失预警的模型,包括损失概率模型和客户画像。
矿业
以数据预处理(DataPreprocessing)后的58,954条航空客户数据为例,通过数据挖掘中的分类和聚类技术分别进行客户损失预测和价值细分。
首先,进行了客户损失预测(ClassPrediction) 。 决策树,随机森林和梯度提升树相继用于训练和评估以及分类性能指标的比较。 在采矿过程中,花费了很长时间进行参数调整。 结果表明,基于Boosting算法的分类器具有更好的性能和更低的错误率。 在变量的使用方面,三个变量-从最后一次飞行到观察窗口结束的时间,第二年的总机票价格和最大飞行间隔-对预测的更大贡献。客户流失。
然后,基于混合数据类型(ClusterPreprocessing)对非损失和损失客户组进行k-medoids聚类(Cluster) 。 结果表
2021-11-16 08:24:45
17.81MB
HTML
1