[計算機]客戶關(guān)系管理與數(shù)據(jù)挖掘-資料下載頁
2024-10-19 03:44本頁面
【正文】 方法 主要思想： 以神經(jīng)生理學(xué)為基礎(chǔ)，模擬人的神經(jīng)元功能，經(jīng)過輸入層、隱藏層、輸出層等，對數(shù)據(jù)進行調(diào)整，計算，最后得到結(jié)果，用于分類和回歸。 三、數(shù)據(jù)挖掘技術(shù) ?一個簡單的神經(jīng)網(wǎng)絡(luò)，圖中的橢圓表示節(jié)點，橢圓間的連線表示連接。神經(jīng)網(wǎng)絡(luò)接受左邊節(jié)點的屬性值，并對其進行計算，右邊的節(jié)點就產(chǎn)生新值，這個值表示神經(jīng)網(wǎng)絡(luò)模型的預(yù)測值。 三、數(shù)據(jù)挖掘技術(shù) 遺傳算法 （ Geic Algorithm， GA） 主要思想： 基于自然進化理論，模擬基因聯(lián)合、突變、選擇等過程的一種優(yōu)化技術(shù)。 三、數(shù)據(jù)挖掘技術(shù) 遺傳算法 創(chuàng)建一個隨機的初始狀態(tài)： 初始種群是從解中隨機選擇出來的，將這些解比喻為染色體或基因，該種群被稱為第一代。 評估適應(yīng)度： 對每一個解 (染色體 )指定一個適應(yīng)度的值，根據(jù)問題求解的實際接近程度來指定 (以便逼近求解問題的答案 )。 繁殖 (包括子代突變 )： 帶有較高適應(yīng)度值的那些染色體更可能產(chǎn)生后代 (后代產(chǎn)生后也將發(fā)生突變 )。后代是父母的產(chǎn)物，他們由來自父母的基因結(jié)合而成，這個過程被稱為“雜交”。 下一代： 如果新的一代包含一個解，能產(chǎn)生一個充分接近或等于期望答案的輸出，那么問題就已經(jīng)解決了。如果情況并非如此，新的一代將重復(fù)他們父母所進行的繁衍過程，一代一代演化下去，直到達到期望的解為止。 并行計算： 非常容易將遺傳算法用到并行計算和群集環(huán)境中。一種方法是直接把每個節(jié)點當成一個并行的種群看待。然后有機體根據(jù)不同的繁殖方法從一個節(jié)點遷移到另一個節(jié)點。另一種方法是“農(nóng)場主 /勞工”體系結(jié)構(gòu)，指定一個節(jié)點為“農(nóng)場主”節(jié)點，負責(zé)選擇有機體和分派適應(yīng)度的值，另外的節(jié)點作為“勞工”節(jié)點，負責(zé)重新組合、變異和適應(yīng)度函數(shù)的評估。 三、數(shù)據(jù)挖掘技術(shù) 遺傳算法 計算過程： 選擇 (復(fù)制 )：根據(jù)各個個體的適應(yīng)度，按照一定的規(guī)則或方法，從第 t代群體P(t)中選擇出一些優(yōu)良的個體遺傳到下 一代群體 P(t+1)中； 交叉：將群體 P(t)內(nèi)的各個個體隨機搭配成對，對每一對個體，以某個概率(稱為交叉概率）交換它們之間的部分染色體； 變異：對群體 P(t)中的每一個個體，以某一概率 (稱為變異概率 )改變某一個或某一些基因座上的基因值為其他基因值。 四、結(jié)論 CRM作為一個涉及知識治理、業(yè)務(wù)流程再造和企業(yè)信息化的概念，看起來非常復(fù)雜，其實它最基礎(chǔ)的是一整套數(shù)據(jù)倉庫客戶資料系統(tǒng)。 實施和運用 CRM，應(yīng)該從最基礎(chǔ)的應(yīng)用開始，將客戶基礎(chǔ)數(shù)據(jù)治理好，服務(wù)好和應(yīng)用好。很顯然，假如沒有數(shù)據(jù)倉庫技術(shù)的支持， CRM的實用價值將會大打折扣。因此，只有融合了數(shù)據(jù)挖掘技術(shù)的高效的客戶關(guān)系治理才能更好地適應(yīng)當今信息時代及其網(wǎng)絡(luò)化特征，成為現(xiàn)代企業(yè)在激烈的市場競爭中生存的根本和制勝的關(guān)鍵。 四、結(jié)論 數(shù)據(jù)挖掘是 CRM的前提和基礎(chǔ)， CRM是數(shù)據(jù)挖掘的延續(xù)和創(chuàng)新，通過將兩者進行有效的組合，不斷促進企業(yè)單個客戶價值的提升和客戶規(guī)模的擴大，有效地推動著企業(yè)價值和實力的不斷攀升。 Company Logo Thank you
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1