基于sodm的多分类器融合跟其在客户分类中的运用资料.pdfVIP

管 理 工 程 学 报 ofIndustrial V01．24，No．4 Journal Engineerins／EngineeringManagement 2010年第4期 基于SODM的多分类器融合及其在客户分类中的应用 肖 进，贺昌政 (四川大学工商管理学院，四川成都610064) 摘要：目前大多数客户分类研究常采用单一的分类模型。引入多分类器融合方法，并将其与自组织数据挖掘 初始模型集出发，由上一层模型两两组合产生新的待选模型，用最小二乘法来估计融合权重，而用外准则来评价 和筛选中间候选模型，直到根据终止法则找到最优复杂度的融合模型。在15个UCI数据集上的实验结果显示，与 单一的分类模型以及常用的多数投票法、贝叶斯方法、遗传算法等5种融合方法相比。SBSF具有更高的分类精 度。进一步地，在信用卡数据集“german”上的客户分类实验表明，SBSF能自适应地从基分类器池中选择一个适 当的基分类器子集进行融合，从而提高客户分类的精度。