本文關(guān)鍵詞：基于數(shù)據(jù)挖掘技術(shù)構(gòu)建電信4G客戶預(yù)測模型的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：2013年12月,中國正式進(jìn)入4G時代。與此同時,運(yùn)營商之間的4G客戶競爭也進(jìn)入白熱化階段。隨著數(shù)據(jù)挖掘技術(shù)的廣泛應(yīng)用和運(yùn)營商積累的越來越多的數(shù)據(jù),如何利用數(shù)據(jù)挖掘技術(shù)手段處理電信大數(shù)據(jù),受到越來愈多人的關(guān)注與研究。4G時代,針對電信業(yè)客戶關(guān)系管理的需要,在現(xiàn)有的數(shù)據(jù)倉庫技術(shù)和數(shù)據(jù)挖掘技術(shù)基礎(chǔ)上,幫助運(yùn)營商找出潛在的4G客戶,擴(kuò)大其市場占有份額,對電信運(yùn)營商來講具有很重大的現(xiàn)實(shí)意義和經(jīng)濟(jì)效益。本文研究的4G客戶預(yù)測問題正是在這樣一個時代背景下旨在為擴(kuò)大運(yùn)營商的4G客戶規(guī)模而提出的。本文所采用的數(shù)據(jù)集來自于某電信公司。最主要的目標(biāo)是建立一個準(zhǔn)確率高的、實(shí)用性強(qiáng)的電信4G客戶預(yù)測模型。模型的建立以數(shù)據(jù)挖掘的CRISP-DM方法論為基礎(chǔ)。首先,在模型構(gòu)建的準(zhǔn)備階段,本文對原始的電信數(shù)據(jù)進(jìn)行了集成、清洗、規(guī)約、轉(zhuǎn)換、分割等一系列的數(shù)據(jù)預(yù)處理工作,初步篩選并構(gòu)建了模型的預(yù)測指標(biāo)體系。然后,建立決策樹、Logistics回歸、SVM這三種4G客戶預(yù)測模型,經(jīng)過多次的模型訓(xùn)練與對比,最終選擇出效果最好的決策樹模型應(yīng)用于電信4G客戶預(yù)測。在模型應(yīng)用階段,參照預(yù)測模型計(jì)算出的所有客戶得分情況,重點(diǎn)關(guān)注的對象是那些得分較高的客戶,對這部分潛在的4G客戶進(jìn)行有針對性的業(yè)務(wù)推廣和精確營銷,從而達(dá)到擴(kuò)大4G客戶規(guī)模的目的。最后,本文還搭建了一個具有9個節(jié)點(diǎn)的Hadoop集群,實(shí)現(xiàn)了決策樹C4.5算法的并行化,有效地解決了單機(jī)無法處理大規(guī)模數(shù)據(jù)的問題,驗(yàn)證了Hadoop平臺在處理電信大數(shù)據(jù)方面的高效性與可擴(kuò)展性。本文是把數(shù)據(jù)挖掘理論和實(shí)際項(xiàng)目相結(jié)合一個典型案例,利用數(shù)據(jù)挖掘的相關(guān)技術(shù)建立了電信4G客戶預(yù)測模型。結(jié)果表明,所建立的模型是基本符合電信實(shí)際需求的,能夠提供有價值的預(yù)測信息給相關(guān)的決策人員和市場營銷人員,對電信運(yùn)營商擴(kuò)大4G客戶規(guī)模具有重大的現(xiàn)實(shí)意義。
【關(guān)鍵詞】：數(shù)據(jù)挖掘 電信大數(shù)據(jù) 4G客戶預(yù)測模型 決策樹算法 Logistic回歸 SVM算法 Hadoop
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：F0;TP311.13
【目錄】：

• 中文摘要3-4
• Abstract4-8
• 第一章 緒論8-15
• 1.1 研究背景8-11
• 1.1.1 大數(shù)據(jù)時代運(yùn)營商面臨的機(jī)遇與挑戰(zhàn)8-9
• 1.1.2 數(shù)據(jù)挖掘技術(shù)的興起與應(yīng)用9-10
• 1.1.3 數(shù)據(jù)挖掘技術(shù)在電信業(yè)中的應(yīng)用10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-13
• 1.2.1 國外研究現(xiàn)狀11-12
• 1.2.2 國內(nèi)研究現(xiàn)狀12-13
• 1.3 本文主要工作13-14
• 1.4 論文組織機(jī)構(gòu)14-15
• 第二章 相關(guān)理論技術(shù)概述15-23
• 2.1 數(shù)據(jù)挖掘過程15-16
• 2.2 數(shù)據(jù)挖掘技術(shù)16-20
• 2.2.1 決策樹16-18
• 2.2.2 Logistic回歸技術(shù)18-19
• 2.2.3 支持向量機(jī)SVM19-20
• 2.3 Hadoop介紹20-23
• 2.3.1 分布式文件系統(tǒng)HDFS20-21
• 2.3.2 分布式計(jì)算框架MapReduce21-23
• 第三章 模型的樣本數(shù)據(jù)的準(zhǔn)備23-42
• 3.1 模型的商業(yè)理解24-25
• 3.2 數(shù)據(jù)理解25-28
• 3.2.1 確定分析窗口25-26
• 3.2.2 確定相關(guān)數(shù)據(jù)字段26-28
• 3.3 數(shù)據(jù)準(zhǔn)備28-42
• 3.3.1 數(shù)據(jù)集成29-30
• 3.3.2 數(shù)據(jù)清洗30-32
• 3.3.3 數(shù)據(jù)規(guī)約32-34
• 3.3.4 數(shù)據(jù)轉(zhuǎn)換34-35
• 3.3.5 數(shù)據(jù)的平衡問題35-36
• 3.3.6 數(shù)據(jù)預(yù)測指標(biāo)體系的構(gòu)建36-40
• 3.3.7 拆分?jǐn)?shù)據(jù)集40-42
• 第四章 預(yù)測模型的建立、評估及應(yīng)用42-48
• 4.1 預(yù)測模型的建立42-43
• 4.2 模型評估43-46
• 4.3 模型的部署與應(yīng)用46-48
• 第五章 基于Hadoop平臺構(gòu)建電信4G客戶預(yù)測模型48-53
• 5.1 Hadoop平臺描述48-49
• 5.2 基于MapReduce實(shí)現(xiàn)決策樹C4.5的并行化49-51
• 5.3 實(shí)驗(yàn)結(jié)果對比分析51-53
• 第六章 總結(jié)與展望53-55
• 6.1 本文總結(jié)53-54
• 6.2 未來工作的展望54-55
• 參考文獻(xiàn)55-58
• 研究生期間參與的項(xiàng)目58-59
• 致謝59

【引證文獻(xiàn)】

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 王超;辛陽;;C5.0分類算法在網(wǎng)絡(luò)入侵檢測中的應(yīng)用[A];第十三屆中國科協(xié)年會第11分會場-中國智慧城市論壇論文集[C];2011年

  本文關(guān)鍵詞：基于數(shù)據(jù)挖掘技術(shù)構(gòu)建電信4G客戶預(yù)測模型的研究，，由筆耕文化傳播整理發(fā)布。

本文編號：438701