手机换机精准营销中数据挖掘的应用研究

手机换机精准营销中数据挖掘的应用研究,答辩人：年级：学号：专业：指导老师：,概览,研究背景与意义系统分析与建模换机预测问题的算法选择及优化算法对比实验算法优化实验总结与展望,Overview,研究背景与意义,研究背景与意义,大背景：精准营销越来越受到关注基于数据挖掘的精准营销电信运营商的营销新利器本研究基于的项目：镇江移动手机换机精准营销系统意义,系统分析与建模,系统分析,系统名称：镇江移动手机换机精准营销系统系统目标：实现在合适的时机将合适的手机推送给合适的人两大步骤：首先，识别出近期会更换手机的目标客户。然后，向这些目标客户推送适合他们的手机。,手机换机预测问题,可以采用多种策略来选定推送给用户的机型,系统分析,五大功能模块系统工作流程,问题抽象与建模,目标客户定位模块分类问题终端聚类分类模块聚类问题普适人群偏好模块分类问题个体机型偏好模块投票算法终端更换网络模块复杂网络分析,换机预测问题的算法选择及优化,换机预测问题,挖掘流程与步骤,算法选择及优化思路,算法选择：结合分析、经验和尝试分析与经验：分析问题的特点，根据各常用分类算法的原理、优劣势和适用场景为问题选择候选分类算法。尝试：算法对比实验，得出最佳算法。算法优化：考虑是否可以利用某些技术对最佳算法进行优化，选择一种最合适的优化技术。算法优化实验,算法对比实验-候选算法的选择,问题分析：类标不均衡、属性非互相独立、训练样本充足、既有标称属性也有数值属性对常用分类算法进行筛选：朴素贝叶斯被排除，决策树、支持向量机、神经网络列为准候选算法。结合相关文献对这三类算法的原理、优劣势和适用场景做进一步的了解后将准候选算法确定为候选算法。,算法对比实验-实验工具及平台,硬件平台软件平台,算法对比实验-数据集准备,算法对比实验-模型评估,准确性指标“好”准确率：总体分类正确率精度：被预测为会换手机的用户中有多少是真的会换手机的召回率：在所有会换手机的用户中有多少被预测为会换手机速度指标“快”,算法对比实验-编程实现,配置程序连接数据库：JDBC构建训练集与测试集：SQL、DenseInstance、Random训练分类器：buildClassifier评估：Evaluation数据集构建时间、训练时间、评估时间的计算,算法对比实验-结果分析及结论,胜,结论：三种算法中的最佳算法为C4.5算法,算法优化实验,优化思路：采用集成技术BaggingAdaboost编程实现：修改对比实验中的代码。在创建Bagging或Adaboost.M1分类器时，要对其中的参数进行设置。,算法优化实验-结果分析及结论,准确率、精度和召回率Adaboost.M1算法VSBagging算法结论：采用Adaboost.M1算法进行优化,算法选择与优化方案,基础分类算法：C4.5优化技术：Adaboost,总结与展望,总结本文工作不足：1、分类器的构建简单地采用了Weka默认的参数2、没有尝试使用其他更多改进的决策树算法3、由于硬件平台的限制，在构建训