基于改进K-Means算法的保险客户细分研究.pdfVIP

基于改进K-Means算法的保险客户细分研究.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
\ 研究与开发 文章编号:1 ∞7-1423(2016)33-∞14-04 DOI :1O.3969/j.issn.l∞7-1423.2016.33.∞3 基于改进 K-Means 算法的保险客户细分研究 张君韬何丽 (天津财经大学理工学院,天津 3∞222) 摘要: 通过聚类实现客户细分能够从客户的人口统计信息和历史消费行为中发现客户的购买偏好和购买行为,这将为保 险行业的营销决策制定提供重要依据。针对传统 K-Means 算法对于客户细分初始条件敏感的弱点,提出基于黄金分 割的改进 K-Means 聚类方法,该方法能够确定最佳聚类个数,并通过实例验证该算法在保险客户细分中的有效性。 关键词: 客户细分;保险; K-Means 聚类;数据挖掘;主成分 基金项目: 2015 年地方高校国家级大学生创新创业训练计划项目 0 引言 的提取分成两个主要阶段.数据预处理阶段和主成分 分析阶段。 客户细分最早由美国著名的市场学家温德尔·史 1. 1 数据预处理 密斯(Wendell R. Smith )提出,指企业按照客户属性将 数据挖掘中数据预处理的主要任务是对目标数据 客户群体分为若干个子客户群体,并实现细分后不同 集中的数据进行清洗、过滤和数据格式转换等。保险客 客户群体之间的差异最大化,每个客户群体尽可能的 户数据库通常是由保险企业多个不同险种数据库整合 相似。随着保险市场竞争的日趋激烈,各保险企业汇集 而来的,存在客户信息的不完整和属性值取值范围不 了大量客户信息和业务数据 这些数据背后隐藏客户 一致性等情况。为了实现客户细分结果的准确有效,需 的行为偏好和消费潜力。应用数据挖掘中的聚类方法 要对客户数据库中的相关属性进行数据清洗和数据转 可以有效地实现保险客户的细分,从而发现不同客户 换等。其中,数据清洗过程完成对缺省值、无效值和未 群的行为偏好和未来的购买偏好。 知值的处理;数据转换完成数据泛化过程。所谓泛化处 本文针对保险行业客户数据的特征和客户分析目 理就是用更高层次的概念来取代低层次的对象。 标提出了基于主成分分析和改进K-Means 算的客户 1.2 主成分分析 细分模型,并使用荷兰数据挖掘公司 Sentient Machine 经过预处理后的客户属性少则几十个,多则上百 Research 为 the COIL CHALLENGE 20∞大赛提供的 个,而且这些变量之间可能会存在较强的相关性而产 保险客户数据对提出的模型的有效性进行了验证。

文档评论(0)

heroliuguan + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:8073070133000003

1亿VIP精品文档

相关文档