版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、電信運(yùn)營(yíng)商為電信消費(fèi)者提供網(wǎng)絡(luò)服務(wù),能夠取得豐富的數(shù)據(jù)資源。為了發(fā)掘這些數(shù)據(jù)的價(jià)值,本文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于運(yùn)營(yíng)商大數(shù)據(jù)的二手房產(chǎn)中介客戶分類系統(tǒng),利用改進(jìn)的隨機(jī)森林分類方法、MapReduce并行計(jì)算框架、聚類分析等大數(shù)據(jù)處理技術(shù),并結(jié)合數(shù)理統(tǒng)計(jì)、復(fù)雜網(wǎng)絡(luò)方面的數(shù)據(jù)分析方法與網(wǎng)絡(luò)爬蟲技術(shù),從每天的運(yùn)營(yíng)商通話記錄中提取房產(chǎn)中介潛在客戶并對(duì)其按照租房者、出租者、購(gòu)房者、售房者以及其他等類別進(jìn)行劃分,以供房產(chǎn)中介進(jìn)行精準(zhǔn)營(yíng)銷。
分
2、類算法是整個(gè)系統(tǒng)的核心,本文提出一種改進(jìn)的隨機(jī)森林分類算法,包括三個(gè)改進(jìn):(1)通過(guò)數(shù)學(xué)和實(shí)驗(yàn)證明,對(duì)平衡數(shù)據(jù),增加重復(fù)抽樣的樣本量可以有效提高準(zhǔn)確率;(2)通過(guò)采用簡(jiǎn)單隨機(jī)抽樣等效替代原有的重復(fù)抽樣,減少該算法的運(yùn)行時(shí)間,提高系統(tǒng)效率;(3)采用回歸分析得到不平衡度與重復(fù)抽樣的定量關(guān)系為Y=e0.609-0.936X+ε,最終根據(jù)運(yùn)營(yíng)商大數(shù)據(jù)的不平衡度得到適用于本系統(tǒng)的重復(fù)抽樣樣本量。
系統(tǒng)分為數(shù)據(jù)采集子系統(tǒng)、數(shù)據(jù)預(yù)處理子系
3、統(tǒng)、數(shù)據(jù)分析子系統(tǒng)和反饋調(diào)整子系統(tǒng)。數(shù)據(jù)采集子系統(tǒng)主要負(fù)責(zé)收集房產(chǎn)經(jīng)紀(jì)人數(shù)據(jù)。數(shù)據(jù)預(yù)處理子系統(tǒng)通過(guò)并行化處理技術(shù)過(guò)濾掉與房產(chǎn)經(jīng)紀(jì)人無(wú)關(guān)的通話記錄,并通過(guò)并行化處理技術(shù)從中提取出潛在的客戶,以及他們的所有通話行為信息。數(shù)據(jù)分析子系統(tǒng)利用改進(jìn)的隨機(jī)森林算法對(duì)潛在客戶進(jìn)行分類,特別當(dāng)系統(tǒng)處于冷啟動(dòng)階段還沒(méi)有訓(xùn)練樣本時(shí),系統(tǒng)利用數(shù)理統(tǒng)計(jì)的R語(yǔ)言構(gòu)建可視化維度圖,利用復(fù)雜網(wǎng)絡(luò)中的分析軟件Cytoscape構(gòu)建可視化交互作用網(wǎng)絡(luò),利用機(jī)器學(xué)習(xí)的聚類
4、分析方法對(duì)初始樣本集進(jìn)行分析,幫助快速獲取訓(xùn)練樣本以及梳理特征維度組合。反饋調(diào)整子系統(tǒng)是將后續(xù)系統(tǒng)運(yùn)行中獲得的符合條件的帶標(biāo)簽樣本加入到訓(xùn)練樣本庫(kù)中,不斷對(duì)分類系統(tǒng)進(jìn)行調(diào)整,細(xì)化分類邊界讓后續(xù)的分類更加準(zhǔn)確。
通過(guò)將改進(jìn)的隨機(jī)森林分類算法應(yīng)用到基于運(yùn)營(yíng)商大數(shù)據(jù)的二手房產(chǎn)中介客戶分類系統(tǒng),采用最初的訓(xùn)練樣本作為測(cè)試樣本進(jìn)行測(cè)試,得到分類錯(cuò)誤率為21.1379%左右,比未改進(jìn)的分類錯(cuò)誤率(21.5274%)低0.3895%。應(yīng)用了
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于大數(shù)據(jù)技術(shù)的A運(yùn)營(yíng)商營(yíng)銷應(yīng)用研究.pdf
- 手機(jī)支付在運(yùn)營(yíng)商的研究與應(yīng)用.pdf
- 項(xiàng)目管理在運(yùn)營(yíng)商級(jí)ICT項(xiàng)目中的應(yīng)用.pdf
- [教育]運(yùn)營(yíng)商大數(shù)據(jù)典型業(yè)務(wù)場(chǎng)景
- 基于運(yùn)營(yíng)商游客大數(shù)據(jù)輔助平臺(tái)
- 基于Spark的一種改進(jìn)的隨機(jī)森林算法研究.pdf
- pk bat 運(yùn)營(yíng)商大數(shù)據(jù)更有價(jià)值
- 大數(shù)據(jù)下的無(wú)線虛擬運(yùn)營(yíng)商技術(shù)研究.pdf
- EPON在運(yùn)營(yíng)商接入網(wǎng)中的應(yīng)用研究.pdf
- 運(yùn)營(yíng)商大數(shù)據(jù)系統(tǒng)建設(shè)的分析與研究.pdf
- 移動(dòng)運(yùn)營(yíng)商基于大數(shù)據(jù)的精確營(yíng)銷策略研究.pdf
- 一種改進(jìn)的分類算法及其應(yīng)用.pdf
- EPON技術(shù)在運(yùn)營(yíng)商接入網(wǎng)中的應(yīng)用研究.pdf
- 一種產(chǎn)生bin氣象數(shù)據(jù)的隨機(jī)方法
- 大數(shù)據(jù)時(shí)代運(yùn)營(yíng)商精準(zhǔn)化營(yíng)銷模式研究
- 大數(shù)據(jù)環(huán)境下移動(dòng)運(yùn)營(yíng)商渠道酬金管理.pdf
- 基于大數(shù)據(jù)的通信運(yùn)營(yíng)商商業(yè)化模型及應(yīng)用研究.pdf
- 一種基于K-mediods改進(jìn)BIRCH的大數(shù)據(jù)聚類方法——以證券客戶大數(shù)據(jù)為例.pdf
- 一種基于MACA的數(shù)據(jù)挖掘分類方法研究與應(yīng)用.pdf
- 一種產(chǎn)生bin氣象數(shù)據(jù)的隨機(jī)方法.doc
評(píng)論
0/150
提交評(píng)論