浅议数据挖掘在客户流失预测模型中的应用_毕业论文范文

导读：以上的数据挖掘方法都要求有较多的训练样本，对于小样本集，训练结果最好的模型不一定是预测能力做好的模型。因此，如何从小样本集出发，得到预测能力最好的模型，就成为数据挖掘研究领域内的一个难题。即所谓“小样本难题”。支持向量机(SVM)是数据挖掘中的一项新技术，最初于20世纪90年代有Vapnik提出，它从严格的理论出发，论证和实现了在小样本情况下能最大限度地提高预测可靠性的方法。近年来，SVM在解决分类问题方面得到了广泛的应用。四、结束语在整个数据挖掘流程中最关键，工作量最大，也最容易被忽视的一个步骤是数据准备，即通过数据清理、数据集成和变换、数据规约建立起训练样本集和测试样本集。无论算法多先进，如果数据不准确或不完整，结果都是错误的，正所谓“垃圾进，垃圾出”。如何提供干净、正确、完整的数据，这有待于进一步的研究。参考文献:[1]Jiawei Han:数据挖掘概念与技术.出版社,2002. 9 出版 [2]Alex Berson:构建面向CRM的数据挖掘应用.人民邮电出版社,2001.8 出版 [3]夏

浅议数据挖掘在客户流失预测模型中的应用,标签：会计毕业论文范文,本科毕业论文范文,http://www.qz26.com
　　以上的数据挖掘方法都要求有较多的训练样本，对于小样本集，训练结果最好的模型不一定是预测能力做好的模型。因此，如何从小样本集出发，得到预测能力最好的模型，就成为数据挖掘研究领域内的一个难题。即所谓“小样本难题”。支持向量机(SVM)是数据挖掘中的一项新技术，最初于20世纪90年代有Vapnik提出，它从严格的理论出发，论证和实现了在小样本情况下能最大限度地提高预测可靠性的方法。近年来，SVM在解决分类问题方面得到了广泛的应用。

　　四、结束语
　　在整个数据挖掘流程中最关键，工作量最大，也最容易被忽视的一个步骤是数据准备，即通过数据清理、数据集成和变换、数据规约建立起训练样本集和测试样本集。无论算法多先进，如果数据不准确或不完整，结果都是错误的，正所谓“垃圾进，垃圾出”。如何提供干净、正确、完整的数据，这有待于进一步的研究。
　　
　　参考文献:
　　[1]Jiawei Han:数据挖掘概念与技术.出版社,2002. 9 出版
　　[2]Alex Berson:构建面向CRM的数据挖掘应用.人民邮电出版社,2001.8 出版
　　[3]夏国恩陈云金炜东:电信企业客户流失预测模型.统计与决策,2006.10

上一页 [1] [2]

Tag:毕业论文范文，会计毕业论文范文,本科毕业论文范文，毕业论文设计 - 毕业论文范文