K-Means算法在用户细分方面的应用研究

发布时间：2017-09-15 08:25

  本文关键词：K-Means算法在用户细分方面的应用研究

  更多相关文章： 用户细分 聚类分析 K-Means 统计软件

【摘要】：当今社会发展迅速,用户需求越来越多样性,不能满足个性化需求的产品将越来越缺乏竟争力,而想要提供这样的产品,首先就必须要了你的用户,深入挖倔你用户的特征。本文就是基于这样一种理念,通过统计学方法划分用户群体,从而更加有效的为用户服务。而K均值分析方法是最为常用的一种数据挖掘算法之一,本文就是通过研究此方法研究探讨用户细分。本文以国内某电信企业的用户细分业务为例,研究围绕实践中执行K-Means算法进行用户聚类所应该注意的若干实际问题进行,如变量转换、异常值处理、K值确定等。本文分为理论分析阶段和实证分析阶段。理论分析阶段的主要工作是主要探讨用户细分以及聚类分析相关理论;实证分析阶段的主要工作是探讨K-Means算法在电信用户细分方面的具体实施。
【关键词】：用户细分 聚类分析 K-Means 统计软件
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP311.13;F626
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-14
• 1.1 研究背景9
• 1.2 研究目的9-10
• 1.3 研究现状10-12
• 1.3.1 用户细分研究现状10-11
• 1.3.2 聚类分析研究现状11-12
• 1.4 研究方法12-14
• 第二章 用户细分相关理论14-18
• 2.1 用户细分概念14
• 2.2 用户细分意义14-15
• 2.3 用户细分方法15-16
• 2.4 细分方法的区别16-18
• 第三章 聚类分析相关理论18-21
• 3.1 聚类分析概念18-19
• 3.2 K-Means概念19
• 3.3 K-Means原理19-20
• 3.4 K-Means特点20
• 3.5 K-Means评估20-21
• 第四章 实证分析21-33
• 4.1 描述性分析22-23
• 4.2 异常值处理23-24
• 4.3 标准化处理24-26
• 4.4 聚类数确定26-29
• 4.5 类特征分析29-33
• 第五章 结束语33-34
• 参考文献34-36
• 致谢36

【参考文献】

中国期刊全文数据库 前1条

1 叶强;卢涛;闫相斌;李一军;;客户关系管理中的动态客户细分方法研究[J];管理科学学报;2006年02期

，

本文编号：855396