數(shù)據(jù)挖掘?qū)嶒瀳蟾?22443)(編輯修改稿)
2025-08-31 01:29 本頁面
【文章內(nèi)容簡介】 Ttable(Tmall_test[,1],fit) errDelteXc(errDelteX,(1sum(diag(CT))/sum(CT))*100)}plot(errDelteX,type =l,xlab=剔除變量,ylab=剔除錯判率(%),main=剔除變量與剔除錯判率,=)xTitle=c(1:全體變量,2:消費活躍度,3:活躍度,4:成交有效度,5:活動有效度)legend(topright,legend=xTitle,title=變量說明,lty=1,cex=)FIerrDelteX[1]+1/4wiFI/sum(FI)Glabspaste(c(度,活躍度,成交有效度,活動有效度),round(wi,2),sep=:)pie(wi,labels = Glabs,clockwise = T,main=輸入變量權(quán)重,=)從上面兩個圖我們可以明顯得出，消費活躍度、成交有效度及活動有效度在預測消費者買與不買中占的權(quán)重比較大，其中消費者消費活躍度在預測消費者買與不買的重要性最大，達到45%，是預測消費者消費的一個關(guān)鍵變量。三、基于觀測相似性的加權(quán)K近鄰法[2]（1）核心思想：K近鄰法預測時，默認K個近鄰對觀測結(jié)果又“同等力度“的影響。事實上，據(jù)的遠近觀測對預測貢獻的大小是有影響的，距離越近對預測的貢獻大于距離較遠的預測貢獻。將相似性定義為各觀測與距離的某種非線性函數(shù)，且距離越近，相似性越強，權(quán)重越高，預測時的
教學教案相關(guān)推薦
鄂ICP備17016276號-1