数据挖掘及Clementine使用培训电信.ppt

* 练习3 对于数据集data1 to data5按照修正法思路1－思路4建立模型，对于数据集test完成下表： 模型名称 总体准确率 模型命中率 模型覆盖率 修正法思路一 修正法思路二 修正法思路三 修正法思路四 * 总结——提高二值预测效果的几种思路 离散问题向打分（scoring）问题的转化 投票法之一——多个模型一致 投票法之二——建立奇数个模型 投票法之三——更高把握程度原则 投票法之四——根据把握程度汇总进行投票 修正法之一——模型堆叠(stacking) 修正法之二——找出错误预测的规律 修正法之三——多个模型一致 修正法之四——对模型建模 * * 六、数据挖掘技术在电信行业中的应用 数据挖掘技术在电信行业中的应用 案例1：流失分析 案例2：流失症状与营销预演 案例3：交叉销售（套餐分析） * 客户生命周期理论—客户分析的基础 时间 收入 利润 损失 销售商品或服务 客户关系结束 认知 更少损失 更加有效的认知 利润 更多的利润 更加多的销售额 更加有效的认知 MORE PROFIT 利润 甚至更多利润 更长的客户关系 更加多的销售额 时间 利润 案例一 电信行业的流失分析 * 电信行业流失分析的数据挖掘模型 商业理解 文档 发布 “D” 流 Clementine SolutionsPublisher 数据理解 “E” 流 数据探索 数