基于动态分类器集成选择的不完整数据客户分类方法实证研究.PDFVIP

市场营销 基于动态分类器集成选择的不完整数据 客户分类方法实证研究 ， 1 1 1 2 张婷婷 贺昌政 肖 进 （1.四川大学工商管理学院，成都 610064 ； 2. 中国科学院数学与系统科学研究院，北京 100190） 在管理决策的制定中，分类已经成为一种十分重要的方法和技术。 由于现实客户数据常 摘要： 常是不完整的，因此，研究不完整数据的客户分类问题具有重要意义。 通过分析以往分类过程 中对不完整数据的处理方法，提出了一种基于动态分类器集成选择的不完整数据分类方法 DCES-ID 。分别在UCI 客户分类数据集以及某券商客户数据集上进行分类的实验和实证分析。 结果表明，与已有的 种分类算法相比， 算法具有更高的分类准确性及稳定性，能够 6 DCES-ID 更有效地进行客户分类。 客户分类；证券公司；不完整数据；动态分类器集成选择（ ）；贝叶斯分类器 关键词： DCES 引 言 在管理决策的制定中，分类已经成为一种十分重要的决策方法，同时它也是数据挖掘的主要方法。然而 [1] 在客户分类问题中，这种分类数据往往是不完整的，是包含大量缺失数据的 。这些缺失数据的存在不仅为分 类带来了极大的不便，也为分类结果的准确性带来了极大的挑战。 由于处理不完整数据的复杂性，以往的分类器大都是针对完整数据的。然而，由于各种原因，实际中的数 [2] 据通常是不完整的 。因此，对用于不完整数据的分类器的研究具有重要的意义。为此，很多人都对这一问题 做了大量的研究工作。常用的处理方法有两种，一种是在进行分类时将含有缺失数据的样本直接删除，即直 [3] [4] 接删除法 ；另一种是为缺失的数据项设置某个取值，即插补法，它的具体方法有参数估计法（如EM 算法 [5，6] [3，7] 等）、单值插补（如均值替代等 ）以及多重插补 等，或者也可以将某一变量的缺失值作为它的一个新的状 [8] 态。例如Friedman 等人 提出采用EM 算法、线性回归等方法先对数据进行插补，然后再根据补全后所得的完 整数据集进行分类计算。 [9] 然而，这些方