基于支持向量機的零售企業(yè)客戶消費行為分析與研究.pdf

1、近年來，隨著經(jīng)濟快速發(fā)展，客戶的消費水平有了明顯地提高和突破，這給企業(yè)客戶關系管理系統(tǒng)存儲帶來了巨大的壓力，尤其是大型零售企業(yè)，面對日益膨脹的各種數(shù)據(jù)資源，面對海量的靜態(tài)客戶信息和動態(tài)交易數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)庫技術已經(jīng)無法滿足現(xiàn)代需求的分析能力，如何發(fā)現(xiàn)隱藏在大量數(shù)據(jù)背后的規(guī)則、關系和有價值的知識已成為企業(yè)今后研究的重點和難點。隨著數(shù)據(jù)挖掘方法的不斷改進和創(chuàng)新，目前也有很多方法在實際應用中已經(jīng)取得了一定程度的效果，比如決策樹方法，神經(jīng)網(wǎng)絡還

2、有貝葉斯方法等等。本文則引入支持向量機的方法應用在大型零售企業(yè)客戶消費行為分析中，它是在統(tǒng)計學習理論基礎上發(fā)展起來的一種新的模式識別方法，在解決有限樣本，非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢。 基于以上問題，本文主要研究了以下三方面的內容： 第一，闡述了零售業(yè)客戶消費行為的相關概念、研究現(xiàn)狀以及客戶分類的研究方法；對消費者的在線消費行為分析后指出網(wǎng)上消費行為將成為今后企業(yè)重點關注的內容。 第二，對客戶消

3、費行為分析中所采用的數(shù)據(jù)挖掘技術作了重點剖析，尤其詳細介紹了支持向量機(SVM)理論，從統(tǒng)計學理論出發(fā)，結合最優(yōu)化和對偶理論對SVM原理、內容和算法作了深入研究；同時也對支持向量、核函數(shù)的相關特征以及SVM的優(yōu)劣勢作了對比分析。 第三，提出和構建了基于SVM的客戶消費行為分析模型-DCSS模型，該模型能較好地處理高維線性不可分問題，采用云狀處理過程的映射機制和非確定性推理，將影響分類結果的多屬性間的相互關聯(lián)性較好地體現(xiàn)，結合SV