本書(shū)內(nèi)容包括：客戶(hù)價(jià)值區(qū)分集成的基礎(chǔ)研究、基于GMDH的分類(lèi)器集成方法研究、客戶(hù)價(jià)值區(qū)分典型問(wèn)題研究、“一步式”客戶(hù)價(jià)值區(qū)分實(shí)證研究等。

《面向數(shù)據(jù)特點(diǎn)的客戶(hù)價(jià)值區(qū)分集成模型研究》將自組織數(shù)據(jù)挖掘與集成學(xué)習(xí)相結(jié)合來(lái)研究客戶(hù)價(jià)值區(qū)分問(wèn)題。從客戶(hù)價(jià)值區(qū)分中的客戶(hù)數(shù)據(jù)所具有的不同特點(diǎn)出發(fā)，提出了面向CRM客戶(hù)數(shù)據(jù)特點(diǎn)的客戶(hù)價(jià)值區(qū)分“一步式”集成解決方案。為了改進(jìn)多分類(lèi)器集成的分類(lèi)性能，我們從兩個(gè)方面著手：①改進(jìn)基本分類(lèi)器的分類(lèi)性能。將GMDH與常用的貝葉斯網(wǎng)絡(luò)分類(lèi)模型相結(jié)合，提出了基于GMDH的選擇性貝葉斯網(wǎng)絡(luò)擴(kuò)展的樸素貝葉斯分類(lèi)模型（SelectiveBayesianNetworkAugmentedNaiveBayes，SBNANB）。②改進(jìn)集成策略。

序言
1　緒論
1.1　研究背景
1.2　客戶(hù)價(jià)值區(qū)分研究現(xiàn)狀
1.2.1　客戶(hù)信用評(píng)估
1.2.1.1　面向類(lèi)別不平衡數(shù)據(jù)的客戶(hù)信用評(píng)估
1.2.1.2　面向噪聲數(shù)據(jù)的客戶(hù)信用評(píng)估
1.2.1.3　面向缺失數(shù)據(jù)的客戶(hù)信用評(píng)估
1.2.2　客戶(hù)流失預(yù)測(cè)
1.2.2.1　面向類(lèi)別不平衡數(shù)據(jù)的客戶(hù)流失預(yù)測(cè)
1.2.2.2　面向噪聲數(shù)據(jù)的客戶(hù)流失預(yù)測(cè)
1.2.2.3　面向缺失數(shù)據(jù)的客戶(hù)流失預(yù)測(cè)
1.2.3　文獻(xiàn)回顧小結(jié)
1.3　研究框架
1.3.1　研究思路
1.3.2　研究?jī)?nèi)容
1.3.3　研究創(chuàng)新點(diǎn)
1.4　本書(shū)結(jié)構(gòu)安排
2　相關(guān)理論知識(shí)介紹
2.1　自組織數(shù)據(jù)挖掘簡(jiǎn)介
2.1.1　自組織數(shù)據(jù)挖掘的基本思想
2.1.2　多層GMDH算法的建模步驟
2.1.3　多層GMDH算法的抗干擾性
2.2　分類(lèi)器集成簡(jiǎn)介
2.2.1　多分類(lèi)器集成模型
2.2.2　基本分類(lèi)器的生成方法
2.2.3　常用的分類(lèi)器集成方法
2.3　本章小結(jié)
3　客戶(hù)價(jià)值區(qū)分集成的基礎(chǔ)研究
3.1　客戶(hù)價(jià)值理論
3.1.1　客戶(hù)價(jià)值概念的界定
3.1.2　客戶(hù)生命周期價(jià)值
3.2　客戶(hù)價(jià)值區(qū)分的研究框架
3.3　客戶(hù)價(jià)值區(qū)分集成的研究框架
3.3.1　客戶(hù)價(jià)值區(qū)分集成的概念界定
3.3.2　客戶(hù)價(jià)值區(qū)分集成的工作原理
3.4　本章小結(jié)
4　基于GMDH的分類(lèi)器集成方法研究
4.1　基于GMDH的貝葉斯網(wǎng)絡(luò)分類(lèi)模型
4.1.1　引言
4.1.2　貝葉斯結(jié)構(gòu)學(xué)習(xí)簡(jiǎn)介
4.1.3　選擇性貝葉斯網(wǎng)絡(luò)擴(kuò)展的樸素貝葉斯模型
4.1.4　基于GMDH的SBNANB分類(lèi)器的結(jié)構(gòu)識(shí)別
4.1.4.1　外準(zhǔn)則的選擇
4.1.4.2　GBC算法描述
4.1.5　試驗(yàn)分析
4.1.5.1　數(shù)據(jù)和實(shí)驗(yàn)設(shè)計(jì)
4.1.5.2　分類(lèi)器的結(jié)構(gòu)識(shí)別
4.1.5.3　無(wú)噪聲情況下的貝葉斯分類(lèi)試驗(yàn)
4.1.5.4　有人工噪聲情況下的貝葉斯分類(lèi)試驗(yàn)
4.1.5.5　討論
4.1.6結(jié)論
4.2　基于GMDH的靜態(tài)分類(lèi)器集成選擇策略
4.2.1　引言
4.2.2　靜態(tài)分類(lèi)器集成選擇算法
4.2.2.1　外準(zhǔn)則的選擇
4.2.2.2　算法描述
4.2.2.3　算法復(fù)雜度分析
4.2.3　實(shí)驗(yàn)分析
4.2.3.1　不同算法的分類(lèi)精度對(duì)比分析
4.2.3.2　基于不用融合算法的客戶(hù)分類(lèi)性能
4.2.4　結(jié)論
4.3　基于GMDH的動(dòng)態(tài)分類(lèi)器集成選擇策略
4.3.1　引言
4.3.2　動(dòng)態(tài)分類(lèi)器集成選擇簡(jiǎn)介
4.3.2.1　基于K-nearest-oracles的動(dòng)態(tài)集成選擇
4.3.2.2　基于DCS的動(dòng)態(tài)集成選擇
4.3.2.3　動(dòng)態(tài)過(guò)度生產(chǎn)-選擇策略
4.3.3　基于GMDH的動(dòng)態(tài)分類(lèi)器集戍選擇算法
4.3.3.1　外準(zhǔn)則的選擇
4.3.3.2　算法描述
4.3.4　實(shí)驗(yàn)設(shè)計(jì)
4.3.5　實(shí)驗(yàn)結(jié)果分析
4.3.5.1　幾個(gè)重要參數(shù)對(duì)GDES-AD性能影響的分析
4.3.5.2　無(wú)噪聲情況下的分類(lèi)性能比較
4.3.5.3　類(lèi)別噪聲情況下的分類(lèi)性能比較
4.3.5.4　屬性噪聲情況下分類(lèi)性能比較
4.3.5.5　偏差-方差分解
4.3.6　討論
4.3.7　結(jié)論
4.4　本章小結(jié)
5　客戶(hù)價(jià)值區(qū)分典型問(wèn)題研究
5.1　面向噪聲數(shù)據(jù)的客戶(hù)價(jià)值區(qū)分“一步式”集成模型
5.1.1　引言
5.1.2　“一步式”集成策略的構(gòu)建
5.1.3　實(shí)例分析
5.1.3.1　試驗(yàn)設(shè)置
5.1.3.2　類(lèi)別噪聲情況下的分類(lèi)結(jié)果
5.1.3.3　屬性噪聲情況下的分類(lèi)結(jié)果
5.1.4　小結(jié)
5.2　面向類(lèi)別不平衡的客戶(hù)價(jià)值區(qū)分“一步式”集成模型
5.2.1　引言
5.2.2　用于處理類(lèi)別不平衡數(shù)據(jù)的常用方法
5.2.2.1　重抽樣技術(shù)
5.2.2.2　代價(jià)敏感學(xué)習(xí)
5.2.3　多分類(lèi)器組合方法介紹
5.2.3.1　靜態(tài)分類(lèi)器組合方法
5.2.3.2　動(dòng)態(tài)分類(lèi)器組合方法
5.2.4　“一步式”集成模型
5.2.4.1　模型的基本思想
5.2.4.2　代價(jià)敏感的外部評(píng)價(jià)準(zhǔn)則
5.2.4.3　算法描述