%0 Journal Article
%T 面向数据漂移的代价敏感客户细分
%A 邹鹏
%A 于渤
%A 王宪全
%J 哈尔滨工业大学学报
%P 119-124
%D 2011
%R 10.11918/j.issn.0367-6234.2011.01.024
%X 为解决数据挖掘中存在的数据漂移和客户价值分布不平衡问题,采用了分阶段聚类和代价敏感支持向量机的新方法.新方法首先对全部客户聚类得到特征相似的客户群,然后用某个区域客户属于某客户群的后验概率对城市进行聚类,具有相似后验概率分布的城市群被认为是具有类似的客户结构,每个城市群的客户组成了新的客户样本,对每个样本分别进行代价敏感分类,并完成客户细分.对比实验表明,该方法提高整体预测准确率和高价值客户识别能力,降低模型错误分类代价.改进的方法能在保证分类准确率的同时,更有助于企业锁定高端客户,动态地调整区域市场战略.
%K 代价敏感学习
%K 支持向量机
%K 客户细分
%K 数据漂移
%U http://journal.hit.edu.cn/hitxb_cn/ch/reader/view_abstract.aspx?file_no=20110124&flag=1