基于抽樣矩陣的汽車(chē)客戶(hù)分群及離群點(diǎn)分析.pdf

1、目前市場(chǎng)上各個(gè)行業(yè)對(duì)客戶(hù)關(guān)系的重視程度越來(lái)越高,只有充分了解客戶(hù)需求,才能更準(zhǔn)確的提供相應(yīng)的產(chǎn)品和服務(wù),使利潤(rùn)最大化。而這其中最基本的要素便是數(shù)據(jù)挖掘中的客戶(hù)分群,也就用到了聚類(lèi)分析及離群點(diǎn)分析,綜合應(yīng)用下達(dá)到對(duì)客戶(hù)最深入全面的了解。對(duì)商業(yè)市場(chǎng)中的客戶(hù)關(guān)系管理具有很深遠(yuǎn)的意義。
　　 本文利用最有代表性的汽車(chē)客戶(hù)數(shù)據(jù)作為典型代表進(jìn)行分析,選擇改進(jìn)的基于密度的聚類(lèi)算法DBSCAN和基于距離的離群點(diǎn)檢測(cè)法對(duì)其進(jìn)行分群分析和異常點(diǎn)檢測(cè)

2、分析。本文重點(diǎn)從簡(jiǎn)化參數(shù)求取步驟來(lái)改進(jìn)基于密度的聚類(lèi)算法DBSCAN和基于距離的離群點(diǎn)檢測(cè)法。具體研究工作包括:
　　 (1)所選算法的合適度:總體上是利用兩個(gè)算法在原理上的相通之處,試著將二者結(jié)合在一起,共同對(duì)數(shù)據(jù)進(jìn)行分析。由于聚類(lèi)沒(méi)有最好的算法,而只有最合適的,因此需要根據(jù)數(shù)據(jù)特征選擇最合適的聚類(lèi)方案。所以首先要保證所選擇的算法是最適合此數(shù)據(jù)集的,實(shí)驗(yàn)結(jié)果表明,DBSCAN確實(shí)是最適合具有此特征的數(shù)據(jù)集的算法,相應(yīng)的,鑒于基

3、于距離的離群點(diǎn)檢測(cè)法與其原理的相通性,也必然是適合此類(lèi)型的數(shù)據(jù)集,這里便不再累述。
　　 (2)抽取數(shù)據(jù)確定所需參數(shù):為了節(jié)省時(shí)間和空間,并且在保證聚類(lèi)質(zhì)量的前提下,提出了抽取部分?jǐn)?shù)據(jù)進(jìn)行運(yùn)算確定參數(shù),得到參數(shù)后對(duì)所有數(shù)據(jù)進(jìn)行聚類(lèi)及離群點(diǎn)分析.首先要選擇合適的取樣方法,還要保證參數(shù)的準(zhǔn)確性。實(shí)驗(yàn)表明,系統(tǒng)取樣法所抽取的數(shù)據(jù)其分布特征與總體數(shù)據(jù)的分布特征最相近,并且其所得參數(shù)基本與對(duì)所有數(shù)據(jù)進(jìn)行運(yùn)算所得參數(shù)相同。
　　 (