基于决策树算法的超市客户细分应用研究

论文摘要

本文以超市客户为对象,在分析了数据挖掘的基本原理和技术后,主要研究了决策树算法及其在超市客户细分中的应用。客户资源决定企业的核心竞争力,更多的关心自己的销售群体,关心他们的想法、需求、购买目的,并与建立良好的、长期的客户关系,提升客户价值,对全面提升企业竞争能力和盈利能力具有重要的作用。利用数据挖掘技术挖掘客户数据,进行客户需求分析,发现客户需求规律,利于发现新的市场机会。在对客户细分和决策树的相关知识进行探讨和研究后,利用java语言实现了决策树的基本算法。收集真实的数据作为研究的数据源,并用决策树算法对超市客户数据按客户的个人统计信息进行了客户细分,建立了客户细分模型。运用软件程序的方式,对决策树算法在超市客户细分中的应用进行仿真。以图形、数表方式展示研究结果。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 论文主要的研究内容
• 1.4 论文的组织结构
• 2 数据挖掘理论
• 2.1 数据挖掘概念
• 2.2 数据挖掘过程描述
• 2.3 数据挖掘模式
• 2.4 数据挖掘应用
• 3 决策树算法说明
• 3.1 决策树分类描述
• 3.1.1 分类的方法
• 3.1.2 决策树的概念
• 3.1.3 决策树生成算法
• 3.1.4 几种决策树经典算法
• 3.1.5 决策树的特性
• 3.2 ID3 算法描述
• 3.2.1 ID3 算法的基本原理
• 3.2.2 ID3 算法说明
• 3.2.3 ID3 算法的特点
• 4 决策树算法在超市客户细分中的应用
• 4.1 客户细分理论
• 4.1.1 客户细分概述
• 4.1.2 客户细分的用途
• 4.1.3 客户细分的方法
• 4.1.4 完成分类的技术
• 4.2 数据准备
• 4.3 数据预处理
• 4.3.1 预处理方法
• 4.3.2 数据清理及集成
• 4.3.3 离散化处理
• 4.4 客户细分模型
• 4.4.1 选择相关属性
• 4.4.2 构建客户细分模型
• 4.4.3 规则抽取
• 4.4.4 结果分析
• 5 客户细分软件实现
• 5.1 客户细分过程
• 5.2 客户细分过程实现
• 6 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢
• 攻读学位期间发表的论文