利用基于遗传算法的并行模糊分类方法提高客户忠诚研究.pdfVIP

利用基于遗传算法的并行模糊分类方法提高客户忠诚 张吉善，康利斌 东北大学工商管理学院，辽宁沈阳，110004 lw@163．corn Kanglb 摘要：客户分类是客户关系管理中的前哨战。针对 2并行模糊分类方法模型 客户关系管理中的客户分类问题，本文提出了一种 基于遗传算法的模糊分类算法，并采用某超市客户 并行模糊分类方法是建立在并行分类方法基 数据进行仿真验证。结果表明该算法在提高分类精 础之上的一种改进方法。通常并行分类方法包括分 度的同时，对提高客户分类的可解释性有一定的促 类器选择和分类器融合两部分，其中选择算法包括 进作用。 静态选择和动态选择算法等口1。 关键词：遗传算法，并行，模糊分类，客户忠诚 2．1并行分类方法选取 l引言 并行分类方法的基本思想是在一套训练集上 使用一种分类方法就定义了一组相关的分类器，而 客户忠诚度是客户关系管理中非常重要的一 使用不同的方法则会产生不同的分类器，而这些不 环，也是衡量客户关系管理好坏的重要指标。CRM 同的分类方法的分类错误很可能是分散的，因此将 是通过满足甚至超出消费者的要求，达到了使他们 它们组合起来以提高分类精度。 愿意再次购买的程度，并将偶然的消费者转变成忠 1)决策树法是应用最为广泛的一种分类方法， 诚客户的所有行为。由于客户忠诚对于企业长期稳 它采用从项向下的递归方式，在决策树端节点进行 定的发展和利润增长有密切的关系，所以培养忠诚 属性值的比较并根据不同的属性值判断从该节点 客户已经受到企业越来越多的关注n，。企业惟一的 向下的分枝，在决策树的叶结点得到结论。所以从 解决办法就是准确的对客户进行分类并提供有针 决策树得跟到叶结点的一条路径就对应一条合取 对性的服务策略，建立品牌效应，培养客户忠诚。 规则，整棵决策树就对应着一组析取表达式规则。 因而许多经典的数据挖掘分类算法被广泛应用到 采用决策树分类方法很容易得到分类规则，分类结 客户管理之中。 果具备较好的解释性。 数据分类是数据挖掘中一个重要的研究方面 2)贝叶斯分类是一种经典的统计分类方法， 嵋1，很多经典的分类方法被提出。如决策树法、贝 在贝叶斯学习方法中，朴素贝叶斯实用性很高。在 叶斯法、规则归纳法、神经网络法等等协“，。这些 某些领域，贝叶斯分类性能很高。例如在数据完全 单一的方法在某一类问题上分类精度较高，可解释 独立的情况下，贝叶斯分类方法具有最小的出错 性较好，而在另一类问题上性能较差。为了提高分 率。 类方法的适应性、分类精度以及可解释性，组合分 3)规则归纳分类是一种机器学习方法，它可 类方法被提出。目前提出的组合分类方法主要有： 以直接学习规则集合。典型的规则归纳算法有AQ、 Borda计数法、多数投票法、行为知识空间法等。 文[5]提出的多分类器组合方法，利用了参与组合 一条规则，则这个样本就属于这条规则；如果该样 的分类器提供的对训练样本和未知样本的符号层 本满足多条规则，则被这些规则所预测的最频繁的 次上的决策信息。文[6]提出的多个Bayes分类器