决策树算法在市场细分中的应用研究

论文摘要

本论文主要研究决策树的算法及其在市场细分中应用。利用数据挖掘技术、挖掘市场细分数据,进行客户需求分析,发现市场细分需求规律,利于发现新的市场机会,开拓新的市场机会。在市场细分中,可以根据自身的经营优势,集中力量满足特定市场的需求,制订有效的市场营销策略。通过市场细分,选择一个目标市场,并根据该市场的特点制订出相应的营销策略。利于提高企业的竞争能力。针对目标市场,集中人、财、物等资源,发挥自身优势,从而取得最大的经济效益。对市场细分和决策树的相关知识进行探讨和研究,实现决策的基本算法。收集真实的现场参数和数据,作为研究的原始数据,做市场细分的规律分析。运用软件程序方式,对决策树算法在市场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 问题提出与背景知识
• 1.1.1 数据挖掘的社会需求
• 1.1.2 数据挖掘的概念
• 1.1.3 分类规则挖掘的任务
• 1.1.4 分类规则挖掘的方法
• 1.2 研究的主要内容和目标
• 1.2.1 决策树分类方法研究
• 1.2.2 决策树分类方法分析
• 1.2.3 论文研究的主要内容
• 1.2.4 决策树算法在市场细分中的应用研究目标
• 1.3 论文内容安排
• 1.4 本章小节
• 2 决策树的算法分析及描述
• 2.1 基本决策树算法
• 2.1.1 决策树的构建
• 2.1.2 决策树修剪
• 2.2 典型决策树分类算法
• 2.2.1 ID3 算法
• 2.2.2 C4.5 算法
• 2.2.3 CART 算法
• 2.2.4 SLIQ 算法
• 2.2.5 SPPINT 算法
• 2.3 选择属性的其他标准
• 2.3.1 信息增益率
• 2.3.2 基于信息熵的距离函数
• 2.4 实例分析
• 2.5 本章小节
• 3 市场细分客户研究模型
• 3.1 市场细分的实际意义
• 3.2 生产者市场细分的依据
• 3.3 市场细分的重要作用
• 3.4 市场细分研究模型
• 3.5 CRC市场细分研究步骤
• 3.6 本章小节
• 4 决策树分类算法在市场细分的消费行为亚市场应用
• 4.1 决策树算法的描述
• 4.1.1 决策树算法定义与知识表示
• 4.1.2 可分辨关系
• 4.1.3 属性的约简
• 4.1.4 属性的依赖性
• 4.1.5 属性的重要度
• 4.2 决策树算法的信息系统模型
• 4.3 本章小节
• 5 基于决策树的分类算法／规则／实例分析
• 5.1 决策树分类技术分析
• 5.2 改进属性依赖度定义
• 5.3 相对泛化的概念
• 5.4 关于结点包含属性的控制
• 5.5 条件属性的条件
• 5.6 基于决策树的构造算法
• 5.7 基于决策树分类的值约简方法
• 5.8 规则的支持度
• 5.9 决策树规则简化
• 5.9.1 约简规则的判定准则
• 5.9.2 新的极小化方法
• 5.9.3 极大化算法
• 5.10 最简分类规则生成算法
• 5.11 本章小节
• 6 市场细分数据挖掘的流程与分析
• 6.1 确定业务对象建立市场细分数据库
• 6.2 数据准备
• 6.3 数据挖掘
• 6.4 结果分析
• 6.5 市场细分决策树挖掘算法评价
• 7 结论与展望
• 7.1 结论
• 7.2 未来的研究方向
• 致谢
• 攻读硕士学位期间发表的学术论文及参加科研工作
• 参考文献