基于RandomForest分类方法的购买预测研究

本文针对银行客户,提出一种基于RandomForest的银行客户分类模型,通过基于RandomForest的分类方法对银行客户已存在数据进行处理,并应用labelencoder对数据进行预处理从而提高分类精确度,得到客户对产品是否具有购买倾向.结合了RandomForest的分类能力和labelencoder量化数据能力,使用葡萄牙银行机构数据进行验证,实验结果表明本文提出的客户购买预测模型精度更高.     

基于VB编程的可视化金具设计应用程序

以电力金具设计理论为基础,对单眼孔进行受力分析及参数转换。采用VB高级编程语言,设计GUI操作界面,进行可视化编程,研制出单眼孔连接金具强度计算应用程序。经验证,该程序计算结果准确可靠,应用程序使用简单、操作方便,能提高设计人员的工作效率,可为工程设计人员提供借鉴和参考。     

基于改进的Random Subspace的客户投诉分类方法

电信业的客户投诉不断增多而又亟待高效处理。针对电信客户投诉数据的特点，提出了一种面向高维数据的改进的集成学习分类方法。该方法综合考虑客户投诉中的文本信息及客户通讯状态信息，基于Random Subspace方法，以支持向量机（Support Vector Machine，SVM）为基分类器，采用证据推理（Evidential Reasoning，ER）规则为一种新的集成策略，构造分类模型对电信客户投诉进行分类。所提模型和方法在某电信公司客户投诉数据上进行了验证，实验结果显示该方法能够显著提高客户投诉分类的准确率和投诉处理效率。     

改进的多层感知机在客户流失预测中的应用

针对在传统的客户流失预测数据预处理中，使用one-hot编码处理离散属性导致数据维度增加及数据过于稀疏的问题，提出了两种基于多层感知机的改进后的客户流失预测模型。其主要思想是分别使用堆叠自编码器和实体嵌入两种方法对多层感知机进行改进，通过将离散属性的高维编码数据向低维空间映射，有效地减少了one-hot编码产生的稀疏数据，增加了离散属性值之间的关联度。在对两份公开的数据集进行交叉验证后的实验结果表明，改进后的模型既有效地提高了预测的准确度，又维持了传统多层感知机模型在并行化计算方面的优势。     

客户偏好驱动的产品配置设计过程研究

为使企业的产品配置结果更好地满足客户个性化、多样化、差异化需求,结合客户满意度理论、产品配置设计等理论方法,从客户偏好特征、产品配置设计过程、客户偏好驱动的产品配置设计求解等三个方面,对客户偏好驱动与企业产品配置设计过程进行系统理论研究。不同于传统的产品配置设计过程,客户偏好驱动的产品配置设计是基于对企业终端客户个性化、多样化、差异化偏好需求信息收集和识别的基础上,通过将客户偏好信息映射到产品设计的功能、外观、形态等设计属性层面,并在此基础上,基于传统产品配置设计求解过程,实现对客户偏好驱动的产品配置设计的求解,实现对对企业终端客户个性化、多样化、差异化偏好需求的满足。研究结果可以为企业更好地满足终端客户的偏好需求、提高企业产品附加值和竞争能力,以及实现客户与企业的双赢等奠定重要的理论支撑。     

基于客户特征的产品环境需求预测方法研究

针对产品绿色设计中客户需求的模糊性和不确定性,提出了一种基于客户特征的产品环境需求预测方法。通过建立客户环境需求采集模版获取客户信息,采用感性工学及语义差异方法对客户环境需求进行规范化表达,构建了人工神经网络模型挖掘客户特征与客户环境需求之间的关系,帮助企业预测具有不同特征客户的环境需求,采用信息增益量化了各个客户特征对客户环境需求的影响程度。最后以某冰箱企业的客户环境需求分析为例,应用MATLAB进行仿真研究,验证了方法的可行性与有效性。