發(fā)布時間：2017-09-15 08:25

  本文關鍵詞：K-Means算法在用戶細分方面的應用研究

  更多相關文章： 用戶細分 聚類分析 K-Means 統(tǒng)計軟件

【摘要】：當今社會發(fā)展迅速,用戶需求越來越多樣性,不能滿足個性化需求的產品將越來越缺乏竟爭力,而想要提供這樣的產品,首先就必須要了你的用戶,深入挖倔你用戶的特征。本文就是基于這樣一種理念,通過統(tǒng)計學方法劃分用戶群體,從而更加有效的為用戶服務。而K均值分析方法是最為常用的一種數(shù)據(jù)挖掘算法之一,本文就是通過研究此方法研究探討用戶細分。本文以國內某電信企業(yè)的用戶細分業(yè)務為例,研究圍繞實踐中執(zhí)行K-Means算法進行用戶聚類所應該注意的若干實際問題進行,如變量轉換、異常值處理、K值確定等。本文分為理論分析階段和實證分析階段。理論分析階段的主要工作是主要探討用戶細分以及聚類分析相關理論;實證分析階段的主要工作是探討K-Means算法在電信用戶細分方面的具體實施。
【關鍵詞】：用戶細分 聚類分析 K-Means 統(tǒng)計軟件
【學位授予單位】：北京理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP311.13;F626
【目錄】：

• 摘要5-6
• Abstract6-9
• 第一章 緒論9-14
• 1.1 研究背景9
• 1.2 研究目的9-10
• 1.3 研究現(xiàn)狀10-12
• 1.3.1 用戶細分研究現(xiàn)狀10-11
• 1.3.2 聚類分析研究現(xiàn)狀11-12
• 1.4 研究方法12-14
• 第二章 用戶細分相關理論14-18
• 2.1 用戶細分概念14
• 2.2 用戶細分意義14-15
• 2.3 用戶細分方法15-16
• 2.4 細分方法的區(qū)別16-18
• 第三章 聚類分析相關理論18-21
• 3.1 聚類分析概念18-19
• 3.2 K-Means概念19
• 3.3 K-Means原理19-20
• 3.4 K-Means特點20
• 3.5 K-Means評估20-21
• 第四章 實證分析21-33
• 4.1 描述性分析22-23
• 4.2 異常值處理23-24
• 4.3 標準化處理24-26
• 4.4 聚類數(shù)確定26-29
• 4.5 類特征分析29-33
• 第五章 結束語33-34
• 參考文獻34-36
• 致謝36

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 葉強;盧濤;閆相斌;李一軍;;客戶關系管理中的動態(tài)客戶細分方法研究[J];管理科學學報;2006年02期

，

本文編號：855396