基于支持向量机的消费者行为分类方法（管理论文）.docVIP

基于支持向量机的消费者行为分类方法（管理论文） 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 文1：基于支持向量机的消费者行为分类方法 1 0 引言 2 1 基于支持向量机的烟草消费行为分类模型 2 2 基于贝叶斯判别（Bayes）的模型 5 3 实证数据分析 6 4 实验结果 6 5 总结与展望 7 文2：基于支持向量机的流量分类方法 8 1 相关研究 9 2 原理 10 3 实验设置 12 5 结束语 17 参考文摘引言： 18 原创性声明（模板） 19 文章致谢（模板） 19 正文 基于支持向量机的消费者行为分类方法（管理论文） 文1：基于支持向量机的消费者行为分类方法 Key words： Support Vector Machine;Bayesian discrimination algorithm;classification;coumer behavior analysis 0 引言 消费者行为学在20世纪60年代中后期是一个相对较新的领域。随着“大数据”时代的到来，越来越多的学者意识到通过沉淀数据进行消费者行为分析的重要性。目前来讲，用于客户消费行为分析的主要方法有：层次分析法，聚类，贝叶斯网络等。 本次研究通过广东烟草的实地调研数据，利用支持向量机方法，区分低档品牌的购买群体行为模式、普通品牌的购买群体行为模式、高档品牌的购买群体行为模式。在研究过程中，首先是计算商品的价格分布，判断区分低档、普通、高档品牌，再利用二叉树多类分类方法与并行计算方法帮助提高支持向量机运算精度，利用Matlab构建一个平台进行支持向量机的训练与预测，并将该方法与贝叶斯判别的分类效果进行比较，判断支持向量机的分类精度。 1 基于支持向量机的烟草消费行为分类模型 支持向量机（SVM）是Cortes等人于1995年提出的，它在解决小样本、非线性以及高维模式识别中表现出许多特有的优势，并能推广应用到函数拟合等其它机器学习问题中。多分类支持向量机是众多算法中的一种。多分类支持向量机是将SVM从两分类算法推广到多分类的算法。常用的算法有一对多，一对一，二叉树，有向无环图四种。 模型设计 由于将烟草客户分类为：普通品消费者、低档品消费者、高档品消费者三类，所以选择合适的多类分类方法能有效地提高支持向量机。支持向量机的多分类问题往往由几个两分类问题来解决。商品品牌的分类结构示意如图1所示。 所以本论文选取一对一的多类分类方法结合二叉树分类来解决烟草消费者行为分析的分类问题，根据投票确定最后的分类结果。操作流程为：①收集到某个消费者的相关信息;②利用低档与非低档的支持向量机作为第一层SVM进行分类;③若分类结果为低档，则其低档的分类结构投一票;④若分类结果为非低档，利用普通与高档支持向量机继续为其分类，得到的普通或高档结果投一票;⑤将高档与非高档，普通与非普通作为第一层SVM重复②-④步骤;⑥根据最终投票结果，确定这个消费者的分类归属。 本次烟草消费者行为研究的数据规模较大，所以在这种大规模数据的条件下，必须采取有效的数据策略加快运算速度。所以在模型中并行计算方法为将总问题切割成小规模问题，利用计算机的并行技术进行求解。 所以为了使得支持向量机能更好地学习与区分消费者行为，针对消费者的这种行为模式引入商品分类策略。在广东烟草市场上，我们搜集到各种不同品牌旗下最低商品的价格，计算其总体价格分布函数F（x） 根据历史数据和经验设定相应的高低分位数阀值？琢1和？琢2。当然阀值是依靠经验给出来的，并没有理论上的必然的理由。一个模型的表现，有很大一部分决定于参数选取是否合理，是否表现了市场的真实状况。因此，我们选取参数时会结合相关的行业经验从历史经验的角度来观察。借助阀值就可以帮助我们清晰地判别商品所处的种类。 具体过程如下：①收集市场中的烟草商品，对其价格求分布函数F（X）;②根据历史数据和经验确定商品状态的高低阀值？琢1和？琢2;③根据求得的价格走势强度和所设定的阀值确定此时的商品状态： 当F（X？燮x）？琢1时，则可定义为低档商品; 当1-F（X？燮x）？琢2时，则可定义为高档商品; 当a1？燮F（X？燮x）？琢1时，则可定义为普通商品。 这样我们就可对商品市场有个清晰的研判，然后根据不同的商品属性进行消费者行为的划分。 本文分别针对低档商品、普通商品、高档商品训练得到相应的支持向量机，这样在判断出当时所处的市场状态后，就可采用相应的消费行为模式识别。 支持向量机的操作过程 本论文选取一对一的多类分类方法结合二叉树分类来解决烟草消费者行为分析的分类问题。 在支持向量机模型的操作过程中，要重点讨论的是核函数与惩罚函数。 常用的核函数包括