基于分类算法对电商平台精准营销分类问题的研究

发布时间：2022-07-07 15:06

　　随着计算机信息技术的发展及互联网的快速普及,人们的生活方式发生革命性的变化。尤其是进入大数据时代,数据呈指数级增长,传统的营销模式已不能满足用户需求也无法给企业增加更多效益,精准营销应运而生。大数据时代下的精准营销更是以数据为基础,多维度分析企业用户的行为和属性数据,有针对的制定营销活动。本文就是以精准营销理论为基础理论框架,并阐述在大数据时代下营销活动的重点是有效分析营销数据及如何利用机器学习来提高数据分析能力。文中以精准营销中常见的分类问题为例,详细介绍分类问题的原理定义,精准营销中的分类问题,利用机器学习解决分类问题。在介绍利用机器学习解决分类问题时选择分类问题中常用的逻辑回归分类算法,随机森林分类算法,朴素贝叶斯分类算法及K近邻分类算法,分别阐述四个算法的原理,推导过程及优缺点,并以一个实际的精准营销分类问题为例来介绍四个算法模型在实际精准营销活动中的运用,对比分析四个算法模型在样本数据训练过程中的优劣及出现的问题以及问题的解决办法。并在文章的最后一章指出本文研究存在的局限不足,希望此文能对精准营销领域分类问题的研究提供一些作用。 

【文章页数】：46 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究的背景及意义
    1.2 国内外研究现状
        1.2.1 关于精准营销的研究
        1.2.2 关于分类问题及算法的研究
    1.3 论文创新点
    1.4 论文的研究内容及组织结构
第2章 精准营销及分类问题相关理论原理
    2.1 精准营销简介
    2.2 精准营销原理
    2.3 分类问题简介
    2.4 处理分类问题核心：分类器
    2.5 分类器常用算法
        2.5.1 逻辑回归
        2.5.2 随机森林
        2.5.3 朴素贝叶斯分类算法
        2.5.4 K近邻算法
    2.6 精准营销中的分类问题
第3章 基于分类算法对精准营销分类问题的实证研究
    3.1 背景
    3.2 数据
        3.2.1 数据介绍
        3.2.2 数据预处理
    3.3 搭建并训练分类器模型
    3.4 模型精确度检测
    3.5 评估模型：拟合度
    3.6 检测模型偏度
    3.7 结论
第4章 论文总结及不足
参考文献
附录
致谢
个人简历在读期间发表的学术论文与研究成果



本文编号：3656648