自适应最近邻居顾客预测的资料探勘系统.ppt

自適應最近鄰居顧客預測資料探勘系統 —以休旅車個案為例 指導老師：葉怡成 老師 組 員：陳思翰  連怡誠  潘瑞敏  李茂帆 大綱 開發背景 開發動機 開發工具與平台 系統簡介 系統測試 開發背景 (1/2) 分類探勘為Data Mining中最為廣泛使用的技術，常被用於預測顧客的行為模式。 分類探勘是指給予一個資料(訓練集)，每筆資料有一組屬性的值，與一個類別，找出一個能夠以屬性值將資料正確分類的模式。 開發背景 (2/2) 最近鄰居分類法在分類探勘中是最簡單的分類方法，能夠以最直接的方式對資料做預測分類。 對於一個未知類別的資料，我們只要找出在訓練資料中和此筆資料最接近的k個資料，再以多數決的方式就可以判定此筆資料的類別為何。 開發動機 (1/2) 最近鄰居分類法KNNC是分類探勘中最簡單的方法，但它有下列幾個缺點： (1)在資料量不大的情況下，準確性比較差。 (2)所建模型缺乏解釋能力。 基於上述的二的缺點，本組採用自適應最近鄰居分類器(Adaptive Nearest-Neighbor Classifier, ANNC)來做改進，並利用ANNC的學習優點，提升分類的準確性。 開發動機 (2/2) 自適應最近鄰居分類器增加了變數權值(W)、核寬倒數(V)及資料權值(H)等三種變數，並能藉由學習過程自適應調整其值，使模型更為精準。 開發工具與平台 開發工具 Borland C++ Builder6.0 作業平台 Windows XP Professional 系統簡介 系統概述 適用對象 系統架構 系統操作 系統概述 本系統能夠將未分類的顧客資料載入，利用自適應最近鄰居分類器，建立預測模型，進而協助行銷分析人員對顧客行為做預測。 適用對象 本系統是針對需要發掘顧客的行銷分析人員而設計，其目的為探討消費者的行為，以提供行銷人員構思適合該顧客的行銷策略。 系統架構 系統測試—例題一 (1/6) 例題1. 我們假設下列函數： 由這個函數可知，各變數的重要性排序如下： 系統測試—例題一 (1/6) 例題1. 我們假設下列函數： 由這個函數可知，各變數的重要性排序如下： 系統測試—例題一 (1/6) 例題1. 我們假設下列函數： 由這個函數可知，各變數的重要性排序如下： 系統測試—例題一 (2/6) 圖1為本系統得到的變數權值圖，由圖可以看出只有 的順序不如預期。可見系統可以評估變數的重要性。 系統測試—例題二 (3/6) 例題2. 我們假設下列函數： 由這個函數可知 , , , , 為重要變數。圖2為本系統得到的變數權值圖，由圖可以看出 , , , , 的變數權值甚大，與預期吻合。可見系統可以評估變數的重要性。 系統測試—例題二 (4/6) 系統測試—例題三 (5/6) 例題3. 我們假設下列函數： 但在第50, 100, 150, 200筆data加入雜訊 0.5, 0.5, 0.6, 0.5到y值。圖3為本系統得 到的資料權值圖，由圖可以看出第50, 100, 150, 200筆data的資料權值特別低，顯示它 們可能是雜訊，而且第150特別低，也與其雜訊特別高相符。 系統測試—例題三 (6/6) 系統實例 一家休旅車廠商為瞭解顧客對休旅車的市場區隔，作了一個問卷調查，共回收400份，調查項目包括31項(問卷填寫以1表完全不同意，9表完全同意)，問卷內容如下： 問卷內容 (1/2) X1=我是在非常好的生理情況。 X2=我穿戴為時尚, 不為舒適。 X3=我比大多數我的朋友有更加時髦的衣裳。 X4=我想要看起來有一點與其他人不同。 X5=生命太短以至於不能不採取一些賭博。 X6=我不關注臭氧層。 X7=我認為政府做太多對於控制汙染。 X8=基本上, 現今社會是好的。 X9=我沒有時間為慈善做義工。 X10=我們的家庭現今在債務不是太沉重。 X11=我喜歡付現金對一切我買的。 X12=我喜歡在今天花費而讓明天隨它去。 X