SASchampion2017
描述
基于航空公司的数据，构建了进行损失预警的模型，包括损失概率模型和客户画像。
矿业
以数据预处理（DataPreprocessing）后的58,954条航空客户数据为例，通过数据挖掘中的分类和聚类技术分别进行客户损失预测和价值细分。
首先，进行了客户损失预测（ClassPrediction） 。 决策树，随机森林和梯度提升树相继用于训练和评估以及分类性能指标的比较。 在采矿过程中，花费了很长时间进行参数调整。 结果表明，基于Boosting算法的分类器具有更好的性能和更低的错误率。 在变量的使用方面，三个变量-从最后一次飞行到观察窗口结束的时间，第二年的总机票价格和最大飞行间隔-对预测的更大贡献。客户流失。
然后，基于混合数据类型（ClusterPreprocessing）对非损失和损失客户组进行k-medoids聚类（Cluster） 。 结果表
2021-11-16 08:24:45
17.81MB
1
行业分类-物理装置-基于机器学习的汽车客户画像分析方法、系统及存储介质.zip
2021-08-04 14:02:35
370KB
整合内部庞大的存量数据，并进行数据清洗、加工、分析、呈现等一系列处理，展现数据价值
基于金融行业本身数据，结合其他行业数据，进行数据修补与完善，形成完整的数据结构，覆盖整个金融体系
基于产品定位和存量客户，进行精准的产品定位和客户推广，开发定制化产品，满足不同客户的需求多样化触达，并针对客户的偏好，进行沉睡用户唤醒，流失用户的召回工作，提升产品的响应程度
2021-05-25 17:02:59
1.54MB
银行客户画像学习案例，图像可视化及人工智能过程，展示代码等。
客户信息标签化，完美地抽象出一个客户的信息全貌；
大数据处理，离不开计算机的运算，标签提供了一种便捷的方式。
2021-04-14 22:36:46
1.46MB
1
用户画像定义使用标签来量化用户特性属性，达到描述用户的目的。用户画像的难点就是数据源，因为你拿要拿到足够多足够全的数据很不容易，所以要与业务结合，比如说这个人在30天内购买了你的商品，这就是一个标签，但是如果你不参与开发这个系统，你不会想到有这个标签。然后是动态更新，一个人是不断变化的，就像梵高一样，他不同时期的自画像也是不一样的
2019-12-21 18:58:52
2.14MB
1