CAR算法在新浪微博客戶分類中的應用

摘要基于當今這個高度信息化的時代，數(shù)據(jù)挖掘技術及數(shù)據(jù)倉庫的高速發(fā)展，通過網(wǎng)絡平臺交流的用戶日趨增加，客戶分類就成為了當今社會首要解決的問題。本論文在數(shù)據(jù)挖掘的理論、方法及技術上，以決策樹為建模主要思想，采用決策樹中的基于指數(shù)的分類和回歸樹（）算法，把新浪微博客戶信息轉化為屬性結論式的形式，通過構建樹、修剪樹、評估模型三步驟，將客戶進行分類，從而快速準確地區(qū)分目標客戶及非目標客戶。在數(shù)據(jù)挖掘技術模型的基礎上，將新浪微博的目標客戶模型做部分的調整，最終能夠得到最優(yōu)化模型。該模型有著響應時間較短且精度高的特點，若運用到實際生活中能夠大大地提升客戶分類的效率，那么無論是企業(yè)還是個人都將從中受益良多。關鍵詞：決策樹；目標客戶；；新浪微博；數(shù)據(jù)挖掘,.,..,,.,.,,.,.,,.,,,.：；；；；羨目沈寨錄\""\\\默一、爐前言本由于亞通訊棟技術汗迅猛機發(fā)展越，咽中國疤網(wǎng)絡雖發(fā)生額了根怒本性弟地改經(jīng)變，革與國血外相拖比，允國內身的交副流平盒臺面狹對著厘一個凡全新饞的，蕉全球般化的下，競郵爭更干加激介烈的杠市場田環(huán)境岔。坦在這賽樣一病個商戶業(yè)時漠代，致資源滾占有兼率成浩為狗一個奸企業(yè)未生死暑存亡漆的關谷鍵點嬸，客結戶才運是企竭業(yè)生者存與增發(fā)展叮的根及本，堪而對急于如兄何改欲善客冤戶服朽務，旨增加睡客戶企滿意候度和葉忠誠使度，敏提升鍬客戶錯價值腸來擴防大自馬身的弱收入破和啞利潤聯(lián)，如喪何用中信息齒化管弱理來佩替代名原有榜的傳閘統(tǒng)管常理手到段等菜方法悄，是絞新浪熄門戶眾當前量解決裳的重拐要問園題之礙一。械因此講，企賠業(yè)必稈須從患“累產(chǎn)品伍”噸導向階向謊“恨客戶夜”濫導向凡轉變娛，從擺而對爛客吉戶進露行有與效繩管理關，藥深層吊分析聚存儲懷大量料客戶消信息躁的數(shù)煉據(jù)倉養(yǎng)庫盤，北提高抗企業(yè)讀市場對競爭旺力渾，獲嘴得有核利于黎商業(yè)皇運作則，圣有效條信息濕從而梁創(chuàng)造淺更多藝的價傍值。球而當懶前的之數(shù)據(jù)昨庫技揮術雖忠可以忍對數(shù)伍據(jù)高障效查掀詢、初分析刑及統(tǒng)梁計，到但是輸仍無筑法發(fā)嚴現(xiàn)潛烤在的宗規(guī)律襲和聯(lián)陶系，遠因此汁便無義法對咽未來扶發(fā)展竊的趨繩勢進妙行更御好地餐預測嫩，導煮致了漸一種蛾“享數(shù)據(jù)洲膨脹妙但是零知識申貧乏箏”太的現(xiàn)淘象舊[鴨]政，這崇樣的梢需求遣便使恭數(shù)據(jù)浴挖掘偏這門頃技術喇孕育統(tǒng)而生怠。數(shù)迫據(jù)挖費掘技葵術抹是挎從先老前不州知的涉、大繩量的糧、模驕糊的柿、不介完整梁的隨飾機的鋸數(shù)據(jù)稈中提綠取潛便在的麗有用塔的知咽識及泰信息低的一前個過繳程。稠正是怎有了哄這種鹿技術惰的支范持，紅才使蠅得客尖戶分膜類的宇理念否及目屬標得紡以完身成，貿滿足綁當前向時代匙激烈還競爭球的需繩求。柏（一宏）放研究花背景性根據(jù)畏權威赴發(fā)布吼的第忌次中切國互爬聯(lián)網(wǎng)容統(tǒng)計躍報告賊，截洽止到拜年皂月底礦，我冠國微恭博用熔戶持科續(xù)增惕長，若規(guī)模揭達到羊億，域比較拖年增浴長撓億，儉網(wǎng)民巾中的搏微博樣用戶瞎較去著年相糊比提家升耳個百酸分比柳，達隱到了使[舒]回。陰網(wǎng)絡沿信息崇交換襪的新煎風向范標新祥浪微甚博平摩臺備的推腳廣，鴿打破傅了時簡空的嫁限制泄，改刷變了慌交流存的寒形勢稼，加你速了僑整晃個社稅會的塞信息她快速擠流通認。對載于企型業(yè)而賽言，轟有助衡于降劃低企頭業(yè)成現(xiàn)本，薪提高梨企業(yè)須競爭功力，赤能夠況幫助威企業(yè)換“犬走出錫去渠”設，傳快速巾交換樣、獲就得信偷息廣。構數(shù)據(jù)怨挖掘犬是分癥析與犧探索慌大量庸數(shù)據(jù)襪，以園求發(fā)搏現(xiàn)有忌意義寄的規(guī)副則與臟模式主的過絞程。線同樣弦對于稼一個結企業(yè)嘴來說鴨，數(shù)傻據(jù)挖翁掘過革程能餅夠有氣助于妄發(fā)現(xiàn)銜企業(yè)筒業(yè)務宏發(fā)展縣的趨包勢，能預測揭未知約的結蜂果，單揭示軌已知殃的事愛實，講且?guī)投曛筌洏I(yè)分纖析出界完成廟要求椅任務憑所需嗓的關艇鍵因遣素，可從而街達到職降低訓成本袋、增辟加收仁入，慚使企阻業(yè)處帖于更塘有利執(zhí)的競歡爭位食置的蘇目的叢。充齊克幟芒德違認為席，眉“止成功沖的管防理者姻必須港同時溉了解理營銷感概念魔和信污息系扇統(tǒng)結持構，輸才能被持續(xù)設形成策全面肉、可核靠和逝完整做的客六戶觀式念并謀加以嘆成功尤應用穗”嫌企業(yè)枕必須怖建立涉適合蓋自己磚的客召戶管者理系嘉統(tǒng)，貝構建恩數(shù)據(jù)駱倉庫湯，將擴客戶頸關系擇管理飄系統(tǒng)動與數(shù)另據(jù)挖古掘技懂術有娘效結糊合，秒深層溫分析半存儲屑大量悼客戶愚信息縮的數(shù)擾據(jù)倉喉庫糾，提馬高企稿業(yè)市垮場競尋爭力橫，獲妨得有慘利于胖商業(yè)慨運作雨、傷有效妨信息霜，爭基取新郵的客鴉戶，籮讓已刊有的摩客戶躲創(chuàng)造團更多千的利碌潤、敬保持鉗住有恩價值從的客址戶臭[傷]針。孫從這碧些方誦面能跪夠看侍出，芬當今我社會已數(shù)據(jù)叨挖掘器技術貢對于籃客戶竊分類淡具有務相當毒重要吸的意毀義及使作用中。什（燃二超）翁選題目目的遵作為安如今就人類娃生活智溝通途必需模品且關服務賭于脈社會救各階漢層技的海新浪疏微博或，其勤在互切聯(lián)網(wǎng)芬、破廣播膠、盈電視淚等各胞種媒監(jiān)體忠上的食覆蓋敵面，尊各種醫(yī)實體蚊上經(jīng)的推毅廣，欣和在睜網(wǎng)絡助上的水推廣層，貨在社侮會上略產(chǎn)生鼠巨歇大的游影響挺力及顏知名鋼度蜻，最致終件帶來沙了大煩量的途目標沫客戶枝群弱。同駐時，樓由于填新浪州微博揚的特艦殊性可，繡也奮帶來至了大可量的聾非目挽標客擋戶。俘為當降低域成本塌，耀提高膛新浪勞微博竄生成例效率帶，降扁低成逢本，兩如何滾在暮數(shù)量撐巨大逝的客毛戶中舊準確序地培尋找渾到括目標尺客戶賢，成瞇為一摸個頭急需預解決傲的誠重要瓦問題姻。湖從書相關媽資料斃分析戲得出挺，治新浪震微博動平臺鄭往往訴帶來吳非目蟻標客取戶如賺兒童植、開老人踩等，卸也帶減來大協(xié)量飲捏造絞的、奮虛假狀的客計戶項資料征。羊而黎人工握篩選婆目標硬客戶民只會素大大饞降低救整個潮市場濁的效前益，鵝浪費澤了企稼業(yè)包大量雁的林物力泡、早人力杠以及溝財力脊。因辱此向如何循建立袖合理盲的客像戶篩漠選模泰型，痕定位劈目標殼客戶購顯得叮尤為皇重要叫。本壺論傻文采冒用數(shù)遷據(jù)挖本掘的悅方法誤，涂分析院模型喊的方陪式，繭建立呆客戶遍篩選裂模型泳，對晌這一退問題仇進行飯深入渣分析購、研霸究。戴二、取數(shù)據(jù)勿挖掘兇與客論戶分毒類概踏述姓（一辣）乖關于朽數(shù)據(jù)宗挖掘掉在笑“震數(shù)據(jù)藥膨脹哲但是雄只是榨貧乏賞”協(xié)的時遼代，牽人們果為了跑能夠鼻更好賤的利甲用現(xiàn)綿有數(shù)鹿據(jù)，由對其勵進行禁更深久層次銳的分霜析。內在經(jīng)丟過不陷斷完逗善后折，如域今反，應屋用在罩不同檢的領料域，駐本斥小竟節(jié)的想主要舟內容勻便是底介紹梳數(shù)據(jù)政挖掘碼與分免析的矛理論秀與技攏術?？颍畨驍?shù)據(jù)壇挖掘財?shù)谋Ц拍畎ぜ捌淙静僮魃蜻^程培（留）數(shù)明據(jù)挖豆掘的篇概念培隨著禁網(wǎng)絡襪信息使化的際到來薄、信蘋息存嘩儲技喘術喘及遞計算賢機數(shù)視據(jù)庫傲技術蜜的飛干速發(fā)慣展，堪面臨戶著不仆是信切息的黨匱乏斗，而櫻是對燥于龐韻大數(shù)腔據(jù)庫火感到縫不知滔所措銳，人紙們迫稀切想膚要從慚這些鑰數(shù)據(jù)藏中提酸取有炒用的浴信息芳，教為人拿類創(chuàng)拍造價伸值懸，因達此有嫁效的錄技術骨顯得呀尤為格重要雹。別與傳缺統(tǒng)的奏分析非方法浙不同宏，野數(shù)據(jù)拿挖掘繞技術行（姓,執(zhí)）墻是在巴沒有嬌明確斜的假嶺設下鐘挖掘籍信息齒和發(fā)算現(xiàn)知良識站，少它是爐數(shù)據(jù)哭庫只棄是發(fā)晃現(xiàn)帶（稱,平）抬中的裹一個坊步驟輸,是賽從哄龐大肆的數(shù)哄據(jù)中榨獲得密潛在獲的、帝具有幸價值宵的彩知識想及信蹈息的族過程典而所內得到繪的信逝息有亭有效白性、托事先屋未知縫及實戲用性掃的特戒點欄。數(shù)麥據(jù)挖電掘基秒于統(tǒng)付計學登、數(shù)擱據(jù)庫今技術窮、面號向對刻象方月法、捆人工碌智能飛、高寶性能論計算嫩、機賄器學臉習、矩知識允工程悄、信檢息檢頑索衫及朝數(shù)據(jù)顫可視?；壤疃喾N怒技術吧結合帝為一矩體的健多學黨科的漆交叉跡研究恩領域英，不辱但能虹夠踐查詢衛(wèi)歷史湊信息朽，還警能從診歷史嘆信息毛中椒尋砍找蕩相關粉潛在聾聯(lián)系電，銷然后馬進行及高層菊次的決分析幟，從養(yǎng)中提儀取鳥有價壓值的冰、潛頑在的向模型漢、知故識、贈模式河和規(guī)辦律等侄，安在此尖過程砍中，籠能夠恥根據(jù)尼已有稿的發(fā)典現(xiàn)從挎而對垃未來浮進行受預測戚，幫尺助決廚策者匙調整忽市場秋，最勺后做備出科僻學的調決策察。數(shù)罵據(jù)挖按掘的晚目標頭是幫體助決指策者蟻找到議數(shù)據(jù)刑間的滋特征奮（彈）霧、潛脈在的波關聯(lián)須性雀（捐）坡、趨諷勢互（獲）恭等，矮發(fā)現(xiàn)展容易屈被忽屋視的膏要素央，對叛決策煎行為償及預播測未么來十餐分有芒用史[等]洽。損本論隸文在河使用辮數(shù)據(jù)修挖掘晃技術短的基誓礎上農，從汪龐大傾的客破戶肆數(shù)據(jù)銜庫限中，冬找出口目標宴客戶柏，為顏企業(yè)遮贏得神更多擦的人全力座，節(jié)監(jiān)省大池量的酒物力區(qū)、財余力純[移]盯且史大牧大恥地提態(tài)升散企業(yè)壘的工城作效扭率。染（刺）病數(shù)據(jù)冰挖掘毫過程馳數(shù)據(jù)轉挖掘宰是一饅個高犁效的傲、能陡從數(shù)從據(jù)訓凳練集告中識沈別出恐潛在稠有用級、新摸穎、靈有效蠻及最裙終能速夠被欺理解配模式梅的過雀程。皂數(shù)據(jù)溜挖掘鵲過程賭分為深五個獻階段笛:否抽樣愿、說元明、標預叼處理鉆、活建模貼以及潮挖掘疊結果觀的王評估造。數(shù)被據(jù)挖久掘于是一況個多你步驟聾的過爪程，宏之間晃反復駕調整促及相潛互影完響，影從而陣形成誠一個堆螺旋斜式的密上升撲過程姨。該裳過程靈類似壺于華蓄水輕池中孩水的礦迭代絲過程拾：從女蓄水迎池中怠的霞水被悟抽取威到坦表宮層，前在皇經(jīng)過魄處理腸后延，就孝會晌沉到傾下一孩層，延然后路經(jīng)過罷不停性地循穩(wěn)環(huán)，界直到恥最后桌一層拉，接嘗著押再街次循裂環(huán)好被抽顛取到駱頂層緒。烘(務)樣,褲即為圣"跨龍行業(yè)天數(shù)據(jù)句挖掘煙過程杠標準瓶"則反映足了喜一個塑完整激的數(shù)秀據(jù)挖寄掘環(huán)責境描。約過程袖如圖側所示當[羨]摟：星圖貿過程臺數(shù)據(jù)別挖掘咽的過且程可遲以分北為下拜列幾旺個步暈驟：慰提出當問題蹈、數(shù)異據(jù)傲選擇裁、數(shù)繳據(jù)腦變換擠、數(shù)捎據(jù)罩挖掘謊、模更型評悅估場及押結果降分析細。故暮簡化艘的數(shù)淘據(jù)挖冬掘流詢程如柱下飄[閉]逝，見帖圖脈。場）提果出問孟題犧：早明確機地定飲義問嘗題，敢分析釣需求喉，判征斷問遣題歷所屬賽的類拉別烈，確姑定所狂需的逗的數(shù)便據(jù)挖掃掘方秩法，歷最終懷確定突數(shù)據(jù)虹挖掘砍的淘目的滔。慕）取數(shù)據(jù)友選擇漏：疊為進券行分貢析而蟲收集長數(shù)據(jù)賣，這善一步姑可能酷成為皆這一災整個柿過程校中最狐重要衫的步波驟，擾這一張步應嘴當確井定選賴取數(shù)湖據(jù)挖乘掘的更訓練左集數(shù)熊據(jù)的至變量弓和它萌們的俱值域酷。蒙數(shù)據(jù)唱的選乖擇在蹤很大憲程度仁上決搏定了均模型伯最終編建立劈的結練果，售訓練糕集應教該具自備一丑定得掀數(shù)據(jù)殖，數(shù)辦據(jù)應濕該從安海量著的數(shù)純據(jù)中酬提取騾覆蓋利所有蠢數(shù)據(jù)體來源恩、數(shù)球據(jù)類凈型、軟數(shù)據(jù)興內容卵、數(shù)早據(jù)格悼式等革方面閃的數(shù)她據(jù)。猶其次奪對數(shù)血據(jù)進緒行預負處理副把選嬌取后矩的數(shù)可據(jù)做羽進一渠步的械分析丘。即潛對訓讓練集頁數(shù)據(jù)鼓進行式質量沾上的閱把控堅。慚）驢數(shù)據(jù)搜變換脹：畜把選覆取后舞的數(shù)鍛據(jù)轉運換成叉數(shù)據(jù)籮挖掘譽所需景的類污型。住例如輔：目帶標客匪戶尋吹找，椅需把素客戶擴的各翁種靜資態(tài)狀榨態(tài)用汽特定童的符穴號表監(jiān)示，訊并把淘不同租類型抗的數(shù)歌據(jù)分調組、冬分類城。串）濱數(shù)據(jù)龜挖掘漿：準原備好怕數(shù)據(jù)自之后師，就兼對這柿批數(shù)懲據(jù)和任業(yè)務公進行賢研究余，對趴該業(yè)比務問蠟題進錦行需找求分堤析，檔確定膏數(shù)據(jù)細挖掘隸的任棒務和剪算法州以及寨最終所目的仔。目王前基炕于研視究各斥種特憑定的現(xiàn)業(yè)務雹均有爛比價剖適合游的算衣法和陵步驟源。關腳鍵在培于這抹些算扛法的響組合游和不蓋同算砍法的騎組合敬運用傳，以刺及算狀法的索完善律，使托得適戶合最于終更頂加地拐貼近典實際誤，貼疏近業(yè)敗務方哄。麗）夠模型燥評估級及陶結果思分析去：一色旦算邁法實娘現(xiàn)并壟得到鵲結論琴之后軌，需何要對向模型戶進行傾測試棚和評所估，謊確定精該模而型是趴否態(tài)適用丹，系是否句可以般完成著最初覺的任厭務目制的，脈如果掌不可細以達遇到最鞠初目浴的就室要重貓新檢怠測模秒型，叛甚至塑要更貿改模贈型的額算法獲。弱結果費分析貞是惰利用牙預測林集數(shù)巨據(jù)去任判斷廚，查宅看是披否符王合實跌際。麻如果逢符合好實際助情況委，模著型達必到了割任務慌目的錢，則嬸需要躬用可波視化仗的方摩式把評該模身型的染結論欣，以診及對意業(yè)務固方的供建議粒表現(xiàn)僑出來族。乏數(shù)據(jù)程挖掘晃過程野如下朗圖所猴示：數(shù)據(jù)準備模型評估和結果分析數(shù)據(jù)挖掘問題定義數(shù)據(jù)變換數(shù)據(jù)準備模型評估和結果分析數(shù)據(jù)挖掘問題定義數(shù)據(jù)變換舟圖鍛數(shù)據(jù)菠挖掘哪流程非．數(shù)幅據(jù)挖盈掘常狐用技該術五在數(shù)說據(jù)處煎理枯的桌過程壞中，庸數(shù)據(jù)愿挖掘喬算法葉，晉亦架數(shù)據(jù)典挖掘飲方法座，盤成悠為數(shù)例據(jù)挖桂掘技悶術的穩(wěn)核心菜。數(shù)慨據(jù)挖指掘方揉法分幼為以園下也兩且類符:各膊種邏聾輯算淺法和貼決策此樹迫——喇分類區(qū)和回薦歸樹眠算法感。為棕本論胞文主混要是流是關旬于分狼類和膜回歸水樹算敢法。粘而邏布輯算綱法主占要分子為四惡類：蓬關聯(lián)傅算法殿、人運工神廢經(jīng)網(wǎng)饒絡、掀遺傳叉算法桑及粗餓糙集愚算法攤[藏]辣。幼（緩）關亞聯(lián)算酬法私關聯(lián)嫁算法瓦是與對大多水數(shù)人秤群所組認為莖的數(shù)呈據(jù)挖俗掘最拒相似立的一陳種數(shù)吉據(jù)挖掀掘的閱形式協(xié)，主旗要針障對的蹦是事策物型缺數(shù)據(jù)視庫。瑞在關斬聯(lián)規(guī)鐮則中指，規(guī)養(yǎng)則是簡“掏如果最是怎裳么樣嫩，那謹么便齡是怎許么樣興”絨的一患種行且為，魂關聯(lián)慢規(guī)則罩根據(jù)逆關聯(lián)丸規(guī)則昨涉及霞的抽華象層米次，劍分成咳多層欲關聯(lián)危規(guī)則于和單慌層關芝聯(lián)規(guī)冬則。坊而根娘據(jù)關淡聯(lián)算蘿法處忘理值卵的類托型，犬又可把分成壺布爾完關聯(lián)閑規(guī)則雷和量回化關秘聯(lián)規(guī)宴則兩旦類。翻而根浙據(jù)關商聯(lián)規(guī)度則涉右及的專抽象著層次灰，又鋤分為件單層銹關聯(lián)禽規(guī)則曲及多疤層關盡聯(lián)規(guī)先則，辦這種枕算法各對于侍收獲伍數(shù)據(jù)謙來說礎，只倚需分從析歷叼史事儉物數(shù)彩據(jù)，君便可翼對顧袖客的宏購買墾行為擔提供姿有價切的信棄息優(yōu)[驕]緩。踐（鮮）人嗚工神引經(jīng)算遮法子簡單就神經(jīng)犬元構絡成了母神經(jīng)凈網(wǎng)絡炒，通弄過非票常豐布富和貼完善門的連輪接構碼成自適適應兇非線銜性動鑼態(tài)系貓統(tǒng)，愁具有齒著聯(lián)僅想記任憶、模自學慰習、礎自組種織、蜘自適烤應分稿布存鳳儲等敞功能蛇。人甲工神刪經(jīng)網(wǎng)瘡絡在枯生物踩神經(jīng)膨網(wǎng)絡季的基召礎上敏，模說擬人屬類的出思維抬形式襖，通營過簡備化、姿歸納奇、提眨煉總謹結出燙一種礙并行懷處理壟網(wǎng)絡咳。而瘡人工印神經(jīng)堤網(wǎng)絡獎的過鍬程，呀主要釀分為監(jiān)學習賣與工廉作兩牛個階稠段，盞在學功習的具過程漿中，憲此算折法一直定要盆依靠育學習卸算法探，來你此糾挎正學埋習過麥程中劈的偏兔誤差鳳或偏蹄離縱[炊]專。與藝其他范方法萬一樣潤，神辣經(jīng)網(wǎng)錯絡在虎發(fā)現(xiàn)狡規(guī)則焦對其村概括踢之前湖，需斥要檢除測數(shù)括據(jù)中補存在蛇的模竄式，鴨最終悼獲得膽結論客。目姓前，握主要雜用在藍優(yōu)化共、預龜測和訊控制傷、分芒類、警模式敏識別家等領倡域。建（出）遺撤傳算棚法堆遺傳狠算法漏是基澆于達肚爾文叮進化荒論學柜說中轟的基眠因突古變、逗基因己重組什及自松然選惑擇等寸，利豆用交糧叉（高重組豐）、究變異蛛（突界變）些及復忍制（橫選擇雖）基穴本算撞子優(yōu)駛化求寺解，挺此算鑄法最財大特火點是四不僅蜓有強傾大的招搜索井最優(yōu)隱解的各能力窩，而訪且問周題的完最優(yōu)浮解和享初始劣條件元無任負何關枕聯(lián)。要目前倘，此歉算法班的運廳用領直域廣像泛，泊如計顯算機用科學親、工城程技位術等衡領域努，遺梢傳算館法的膊研究不工作瀉有：求分布句并行效遺傳嚴算法圖、遺律傳神授經(jīng)網(wǎng)盡絡、固分類霉系統(tǒng)好、基戰(zhàn)礎理鄙論等乳。斷（搶）粗也糙集筒算法陳粗糙屠集算路法的證特征眉是特雹征或傻屬性密的數(shù)趁量描澆述是猶不需宿要預慶先給搶定的撐，以滑統(tǒng)計舅學中谷概率星分布纏、模會糊集仰理論木中隸豎屬函量數(shù)等疼為例廊，直傻接給遞定問撲題為監(jiān)出發(fā)耍點，壘通過尚不可晝分辨比類所析確定隸問題惜的近僚似域科及不?？煞謨A辨關巡系，缺從中溝找到恒此問奧題的見內在霧規(guī)則犬。此揭算法晃的核湖心領勻域為擺在只雁是源找于對符對象遲的分喊類的斧思想練上，膚通過旋分類鑼找到仆屬性籠之間手的關繳聯(lián)規(guī)睜則蔽[牛]東。匠（島）決桶策樹臂決策稅樹（投）用吸樹型擁結構宴來表討示決譜策集臨合或親分類薄，根屑據(jù)不佩同特隆征，本形成誠發(fā)展張規(guī)律呆及規(guī)紙則。齒為了百找尋伯數(shù)據(jù)況庫中百最大踐信息笑量的穩(wěn)字段樂采用或信息戀論中省的信鵲息增妥益即逐互信皇息，四在建賴立決三策樹數(shù)的節(jié)層點后打，再諷根據(jù)鋪每個壯字段英的取兄值來皇構建濟樹的咽分枝荒，又校在每勉個分標枝的產(chǎn)子集邪中，適建立源節(jié)點叼與分嗎枝的均循環(huán)黎過程朵。誤而維每個監(jiān)內部寧節(jié)點晌是每浩個耐屬性膠上的汁測試塊，盲又由對分泳枝煙表軍示鈔測試情的輸慈入。帽這樣快便夏生成統(tǒng)一個對分類才樹，鞏接著何對分開類樹誼進行邁剪枝防處理健，最礎后把緊分類彎樹轉連化幸成為加規(guī)則撫。在脖學習轎過程茂中師，轟分類拼樹的卵算法飲不需盼要使迎用者細了解汪大量座的套背景奮知識店，只梨要能逼夠用付屬性崖結論現(xiàn)式表擇示訓困練噴集擱，帶便能剝夠陵使用忽該算錦法。鍛改動躬算法擱成本膚低，看且吸效率掠高妙，適叔用于紀海量梨數(shù)據(jù)持。索例岔如殘尋找摘企業(yè)燭的窮目標佛客戶糠，針廢對企血業(yè)的蕉巨大毀客戶致群，抓通過添分類子樹挖的各副種邏酒輯繁算法犁判斷隊是否冠為目煤標客防戶，汽大簽大特地提貧高企奶業(yè)的橡效率氣[慮][誓]祖。蟲（型二燕）密關于喇客戶防分類龜.肉客戶找分類帳的概續(xù)念慎客戶獸分類祝這個優(yōu)概念趨是由邀美國礙學者存溫德嬌爾愁·怒史密準斯雨在捉世紀繪年代環(huán)中期乎所蹤提出爹,薯是指競在揪指定獻的市弦場目及押明確醬的戰(zhàn)亞略模躺式中陽，企劑業(yè)根艱據(jù)客刺戶的縱需求籮、勿行為種、屬狗性、已價值賢及淺偏好飛等因悟素對物客戶紀進行脈分類印，廢且諷提供響服務寧、翅銷售匠模式途及研有針普對性悲的產(chǎn)什品陡[棵]若。擊.庭新浪疊微博農客戶眼分類燦的意剛義燒當前臂，越鑒來越戚多的刺行業(yè)蟻運用菜客戶寫分類釀來實叼現(xiàn)企儀業(yè)利討潤的純增長拔及服酬務水狹平的以提高裕。諸從客闊戶價術值的醒方面頁，不鳥同的順客戶單為企汪業(yè)提蹦供受不同加的價良值賠，企深業(yè)要辭想知叉道哪脹些是慎企業(yè)胞的忠聲誠客栗戶，賠哪些基是企返業(yè)的捧潛在道客戶莫，哪問些是既企業(yè)釘最有垂價值蓄的客累戶吧，織哪些隆客戶誰最容欣易流揉失，弄哪些素客戶功的成段長性噴最好州，企替業(yè)就嗽必須接對自牲己的碰客戶刑進行遣分類弊。眉客戶模分類伶的結羨果表站明，貿企業(yè)盟通過瞇分析潛及檢尚測不鑰同類交的客君戶行巴為，彩針對駝不同僑的客舅戶群逃，采葵取相駕應的聯(lián)措施很。匪隨著調新浪賢微博債中不兇同客兼戶群酷的加碎入，夸這個暴市場晚顯示焰出異肅質化潛及細券分化盾的特間點，償由于柄不同稿的職啄業(yè)、娃生活弄習慣廊、收介入水即平等播等的點差別蝦不同吩的客鎮(zhèn)戶顯姨示出符不一卸樣的途特征恨。而忠客戶專分類總不但火能夠恩為新類浪微驢博指限定系抓統(tǒng)及劣科學孫的差抱別化光提供芬了證跑據(jù)，予而且鍋提高尾新浪凍微博尋中企進業(yè)及鏟個人唐的推逝廣。輛隨著帝，電飽信市挪場的命蓬勃賺發(fā)展贈，不倚同的窮客戶襖差別館漸漸田凸顯朝出來身，所低以，繳客戶婆分類寶變得挖尤為掏重要歇。慚.墾新浪市微博帳客戶株操作硬流程恢新浪金微博姐為帳個人尿及企晝業(yè)敵提供發(fā)快速丈交流絮的平稠臺，扒其擁涌有成著搖大粘量客毯戶。慮目前剖，儲微博婚客戶投操作哈的流處程如塑圖的所示陪：開拓，挖掘，激活開拓，挖掘，激活康信息值管理紅部迫市場酸調研霜部跟蹤，監(jiān)督，反饋跟蹤，監(jiān)督，反饋養(yǎng)數(shù)據(jù)破挖掘脖和分謀析部公圖依客戶康招商塊流程麻圖順（跪）市醫(yī)場調欠研部言門立市場萬調研論部門變即獲近取客濾戶，摟新浪域微博立獲得剝客戶畜信息北的渠擴道很成多，紹主要匆分為淺免費聾及付售費的璃方式潔。齡免費父是浪網(wǎng)上夕資源吃互換哭，即火通過托自身書發(fā)布罪的信餅息恩和對筍方進遲行交姿換獲跌得客絹戶陰的東信息千。所矮有的眉推廣己目的吩是吸卵引客耕戶提望交信岔息，息然后剛保存穿到數(shù)打據(jù)庫泥。衡付費恥是企柳業(yè)等堵通過殘利用惠新浪貓微博持平臺悄擴大村知名哥度休分為繞實體乘廣告應、搜欄索引餃擎證鏈接紐付費墻推廣行等偵而允搜索屈引擎擠付費群推廣徑即通塞過熊新浪吧微博掘平臺宿利用仇關鍵峰字菠的也排名機，井從中杠獲得催客戶鋼的堵信息慰。殊實體你廣告定即夸在新貢浪微泉博平丘臺上宰通過費信息鍋發(fā)布罰、宣睜傳圖懇等方頓式提索高知輛名度救，在陶推廣扮的過刑程中脆附帶裝著騙客服損梅，最就終得棒到誦了莊客戶謙的扛信息廟。搭這樣持獲得殊客戶各信息律的方逐式天標羅地似網(wǎng)，稠但是介有一電個缺商點就冤是客逃戶散漆亂，都存在恐著饒很多致非目測標客愧戶，慰而查克找目渡標客慮戶就嚇是本潑論楚文要火解決挺的問鳥題。扒（府）信咱息管膝理部敵獲取錯客戶幕或企卷業(yè)雙信息溝后，遞就要盼全面獻跟進或客戶翅。由惑于這奏兩種揭方式無都能數(shù)夠仍帶來蝦許多楚的烘目標跳客戶避，惱為洗考慮何到企陶業(yè)的判整體藝效率委，所纏以在廣將客俘戶或涼企業(yè)色信息原交給璃銷售斧跟進王之前恭要對潔信息敢進行定統(tǒng)一桶管理犁及細妨分斗，把具最有炕效的劍客戶責交給永銷售拼來如跟進勻，鄙這樣纖能夠雅最大呈限度屆提資升傍效率河。對像信息壘的斗管理糧主要竄包括裂三方負面即煉提取壞目標年客戶鍛，書將爽目標慚客戶湯進行苦分類期，排和最環(huán)后將半信息組分出何優(yōu)先鴉級。縮（媽）數(shù)紹據(jù)挖聾掘與瀉分析救部臂數(shù)據(jù)謀挖掘煙與宮分析橡部門窩是爪對整仰個否流程齊進行供把控悄，通陪過攤分析敵反饋壤效果側，煌從而分提出弱科學撇的決擺策，粘最釋后鼠對流賤程的膨每個主步驟調進行必最優(yōu)恨化銀調整爭，使援得量企業(yè)域效率動最大罵化。屈.黎新浪俱微博宮客戶豪分類吸中的自具體堡應用確（嬌）客踩戶現(xiàn)雁狀及警問題侄描述劇基于咳社會加經(jīng)濟接和網(wǎng)自絡飾的拐飛速罪發(fā)展談，通慰過各望種渠撫道的憤推廣過給新懶浪微峽博終帶來倉了大量量客裳戶，誤由于役一些落非可價控魯因素練從而友導致理了覆得到嗚的客顏戶已中咸存在蟲著淡大量住的非任目標變客戶白。目蓄前側，新程浪門局戶采粉取的璃措施脆是通薦過關握鍵字協(xié)篩選江，軌然后隆一條攝一條喊的須人工視判斷淡。卵盡管甲，新禿浪門財戶梢投入菌了燕巨大筍的烘財力割、沃物力譽、皮人劇力捏對鋤目標兼客戶償進行文篩選教，類但是奏仍無福法控降低忘新浪側門戶堆的工抖作桂效率諸。而尾數(shù)據(jù)終挖掘濤技術的可以湖快速膛地從滿客戶勝數(shù)據(jù)乎庫榆中尋霜找到危目標奮客戶活，達在認提升敘查找輸目標鳴客戶刺的準亭確度外上提漫高了世新浪鞏門戶寫的工兇作效舌率續(xù)。悲（游）研板究目咐標咐在各蠢種推半廣渠弦道中瞞，縱新浪齊微博莊平臺攔能夠懸收集刮到客賽戶的濱信息虹多仗為靜帳態(tài)信鉆息景，晃包括根：用呼戶昵濱稱、肝性別時、用給戶臘、粉胡絲數(shù)鳳、關納注數(shù)林、微抗博數(shù)霸、互恰粉數(shù)設、地測址、沉語言粒版本打、是畝否認封證及弄注冊否時間威。由鬧于客促戶奪數(shù)據(jù)恰庫一他定造會存怖在錯吐誤綱及缺選失的段情況趟，解所以沒在建謝模拜的杜過程惜中，肺必須宗尋找逼一種討允許碌數(shù)據(jù)占存在撓錯誤趕及缺盛失襪信息寄的模禮型。他由于由新浪努微博最收集壘的客叨戶信烏息量憶龐紅大，毒達到欲了上扣千坡萬碰上億笑條槳，因匯此在糟建模河的焦過程貧中潔，必憂需扁找秀到墨一種桃能迅湯速殊分析社龐大倉數(shù)據(jù)夾庫返的模座型。固在達遼到上晉述目耀標下畝，吹構建驅一種借最優(yōu)冷化能模型稿，能僅采用擊最低茫的成皂本，岡從龐碑大客情戶數(shù)賠據(jù)庫習中尋漸找到繭目標迅客戶傻。絨.汁新浪剩微博丘客戶適分類踩及特宿征慚微博移，簡耀稱是貌微博畫客，妻是一謠個基亦于用爆戶關奪系的噸基礎腸上進吐行信辰息分嘗享、美獲取傘和傳享播平懇臺的玩客戶湖端，吳用戶賽能夠亭通過杜、漢等從址而組冤建個述人社家區(qū)，插以猜字以糠下的龜文字衛(wèi)進行幕更新臺信息毒，且疏能夠秋實現(xiàn)接時時薯分享喂的網(wǎng)捆絡新禁平臺固。中研國著附名的遺門戶透網(wǎng)站摩新浪冒（眨）于綁年即月份塔推出哲“加新浪釣微博江”富，成剃為了嶼中國喊電信累市場議第一胳個有錢微博憲功能腸的網(wǎng)劃站，列因此霧微博當正式睬進入壓上網(wǎng)億主流彎人群胳的視緊野，宋而憶年奸月份鋼，中查國的螞微博慌用戶倡總數(shù)蛾達到綁億，再成為禿了世都界第籠一大癥國。使年軌月，綁新浪狼微博奮平臺芒上易進行仙了一再次言微博妨用戶晨使用淹情況栽的調區(qū)查。資依據(jù)跨微博廁用戶尚的扣心理蒼特征再、規(guī)惡模和撿行為喪分析逢，把乏微博廁分炒成緒兩大意類愛：茅個人巧用戶泄、組猾織和腔機構烈。其護中，妙機構對和涼組織世，伶能夠編分為溜公益慰機構幸、政爐府部賓門像、慈差善組嘗織，升政府珍公司盾以溪及相光關機逼構。同而臥個人困用戶樓又蘿分僚成混名人黑（業(yè)香內知劫名人疤士際、公斑司高碗層、猾娛樂件體育讀界明槳星、響知名償學者共及媒蔥體人肥）破和普希通用繭戶釋。豎（匙）圈普通杯網(wǎng)民盆即錘組織站類壘、名針人類葬及非等機構哭類的舞一般架普通腎的微馳博用陸戶?？冊撠熑后w廢類用師戶的友特點擋：軌用戶動年齡談范圍宰從魄—平歲，和跨度枯非常呈之大民，代其中明，舅又浴以喝—潮歲的伙中青赴年耽為主架體。群用戶各職業(yè)飛呈現(xiàn)宗多層脂次化希結構緞，且并且穗涉及刻到出如今卵的痛各行唇各業(yè)制。普灰通網(wǎng)趴民父的主只題列是發(fā)毯表掉博文瞧即倍轉發(fā)事或原州創(chuàng)候，斗傳播斧方式情為笨裂變勉式（定即攤：瓦：須）禿[曲]略，丸特征壞是影次響力邪大，嚴傳播湊的組范圍穿廣食。累微博闖具體敏行為蜂的使橡用顫分類怖四類漫：理)卵瀏覽絡關注槍人微療博更允新動何態(tài)寫亞微博翁)謝參與眼熱點委話題犯的討卡論押)訪隨便賺瀏覽貝，了厭解資殼訊倦)袖發(fā)表意觀點灘或發(fā)閥泄情源緒圣。膛（監(jiān)）純企業(yè)跌即簡企業(yè)腎是從攻事灘生產(chǎn)織、流酷通、榜服務廣等經(jīng)冠濟活單動，章以此驚來胸滿足裁社會響的需批求服，實鍋行獨怠立核屬算、滾依法唉設立伸、自粒主經(jīng)舉營，舊而且竹在新掙浪全門戶您中封注冊嶺微博樓，買并缸對商占戶職認證岡。相該遞用戶呀群體瘦特點坦：奔所有橡行為旁都嬸是夏以營兆利為辱目斃的爐。使箱用微旬博士的僑目的參為福：漫利用愈微博捕平臺仿，進撐行槐網(wǎng)絡深營銷掘，包京括進脅行網(wǎng)嶺站推澇廣、賠網(wǎng)絡擦品牌技、信瘋息發(fā)女布、慎在線辨調研勒、銷粉售促蝦進等糊。從斜根本鉛上皮來桐說，州企業(yè)勾使用體微博套的目填的象是適提高馬企業(yè)冤的爺知名伴度，慌樹立靈企業(yè)少的緊品牌考，脖擴大武企業(yè)葬的睜經(jīng)濟交效益翅。微義博組具體顧行為芳的使伍用郊分類蝶五類綁：率)降網(wǎng)絡棍公關華（辜即指沙網(wǎng)絡獎危機臺公關繼）駕)勝更新自企業(yè)喂的洗動態(tài)某信息修)進進行絮在線斤的珍調研類)磚顧客岡網(wǎng)上滿服務淘)摩發(fā)起述活動揉（蛇公益灑、娛乓樂及于促銷關）。鄭三、互算法犁及央其在撫新浪半微博掩客戶春分類盤中的居具體照應用星（一粉）遞算法他簡介庸分類攤與回陰歸樹井（摔,煮）據(jù)算法鋪由沖等人善于忘年提右出，街是分顛類數(shù)愉據(jù)挖漿掘算峰法的挖其中簽一種誘，?？商幮吕礓仧o序東的或費順序芒的類于屬性肢數(shù)據(jù)民，也歉能夠句處理著多態(tài)轉的數(shù)受據(jù)值妹或高威度傾爽斜數(shù)考據(jù)犧[庫]嬸。聲選擇領最小禿系數(shù)遙值的符屬性岸為測托試屬急性，恐值越住小，閑樣本甜純凈時度就肝越高華，劃擔分的慈效果尖便越養(yǎng)好。勻它挖是友描述灘一個叫給定旬預測殖值后妄，變用量條虜件擾分布碌的一貓種眠靈活裂算法蜘。心該擴模型醒采用營二叉浙樹烏，渣將預畢測空慨間遞閉歸劃截分死成泰若干帝個篩子集嘉，在糟子集臥上蛾變量退上因的分椅布徑是槐均勻泳及廣連續(xù)負的妻。劃做分是閃由耐和各般個內彼部滑的授節(jié)點有有短關的在分賴類膜規(guī)則壤（慶）培所牽定奪內的，如而那樹的含葉爽子膀節(jié)點慰對應盡著不把同企的隱被斷劃分私的區(qū)棋域。饞通過將樹根糖到葉羨子拔節(jié)點叛的烤移動撤，預松測婚訓練暫集急被窩給靠予洋唯一半一個悠的葉障子美節(jié)點脊，瓶而兩同時煉確定丟變量壯在內此愛節(jié)點加中捐的條符件分顧布?？妓惴▉喪褂脷埲缦滦医Y構污的學蹄習樣廉本集舅。酸其中度，倘是訓抵練樣序本集更，而是很屬性懼向量征（昨），楊其屬奇性可欣以是戰(zhàn)離散嫁的或桃者是瑞有序崇的兆的；庫是伯標簽嘉向量浩（越），優(yōu)其屬撞性可跟以是炮離散找的或嚴者是戚有序妖的。頸是離希散值柄，稱迎為分統(tǒng)類胡決策臭樹；示或獎是有仿序的飽數(shù)量壞值時起，稱焰為回草歸篩決策似樹更樹。韻根據(jù)醫(yī)所濱定的咱樣本綁集賭，弱由以俊下三熄個步高驟構開建分觸類樹始[件]蠶：乘（綁）幣低規(guī)紀劃分丘訓練剛樣本匹：爛使用吼構建奮樹絹，使勢得殲中每坐一個絮葉節(jié)煎點要榴么很線?。▌〗o定歇值澆大于免節(jié)點統(tǒng)內部蝴所含閑樣本乞數(shù)量銅）；刺得到飽惟一少的括屬性蛾向量鏟作為添分支扎選擇磚，或騙者志純節(jié)丙點（寶節(jié)點微內部穗樣本垂僅僅膨包含恩一類撇）。淋（之）使標用修樂剪學算法羞構建愛一個舅有限美的遞繪減（丘節(jié)點美數(shù)目咐）有暑序子暫樹序訪列。只（杰）使家用評大估模算法業(yè)從第磁（給）步紋產(chǎn)生想的子植樹序處列中好選出服一棵盾最優(yōu)彈樹作秘為最震終的努決策資樹。術構建路樹鎖構建隊樹裝是將劉給定嘗的先訓練識樣本確集爹轉換兆成殺為菊相剛對應義的最披大二嚇叉樹慕的過趕程。碑的構鮮建主母要分春為兩沸步驟猜：晝①顏數(shù)據(jù)躺預處員理；卻②獸由根傭節(jié)點顧遞歸券構建勒鼓?？s此付過程漠應用揮最大油雜度弓削減龍算法遷，膀能夠切尋找梳到虜最佳添的分沃支規(guī)鋒則忽。閑數(shù)據(jù)排預處煩理鋼數(shù)據(jù)仙挖掘會過程鄭的關握鍵步遙驟之懂一便叼是對吐初始活數(shù)據(jù)第集的塘準備融及變永換。摩首先擋，鋸數(shù)據(jù)那預處殊理租是技降低焰屬性嫌向量煙的基概數(shù)，神即堪把求向量懷分統(tǒng)成徹若干緒段。桐然后困，戰(zhàn)針對脂屬性齒向量濱構建侍標準復問題鵝集，醋其中玻符號孕屬性他向量陜即離累散恢屬性寒向量借與凳連續(xù)繳屬性遣向量宣，兩兄者的踏標準偷問題瘡集的阿構建曲方法膚不敬相手同真[燒]智。鵝降低松屬性詠向量圣的侵基數(shù)趴：胃對于流屬性憑向量廁值進牌行降咱低基厘數(shù)援的照工作近，即級按衫客戶館的斤需求腳，針飯對典各個宰屬性縫向量叉設定冰一組溜離散陽值，斷將該峰屬性進向量擋在絡訓練仿樣本擱集峰上的坡取值所分配袋到這糾組范蹤圍值溉中。卵樹的補生成筑決策走樹的周核心殼算法申是確多定決毀策樹香分枝蒙準則蜂，該法準則揭涉及組到兩耐個開方面張問題敞：哀⑴雪如何弦在憲眾多釣的輸傭入變狐量中黎選擇處出兔一個煤最佳或的分執(zhí)組變箭量；瞧⑵石如何蘇在給分組機變量妹的眾何多取斧值中桌尋辮找到援最佳廁的分惱割值拌。削首先柄在求生成今原始框樹這中蛛引入贊差異壇系數(shù)王（母）的院概念分。虧此族系數(shù)也用于貢測度及各個疏個結你點內史（獲>陸）個遺類樣句本的禮分布揚情況牽。在酬這里煎我們耗采用克的是邀算法況中最竭常用奉的雜陣質函話數(shù)項基尼井系數(shù)蹦（舉），拜公式炕如下弦：（）屬其中襪，躲（掏）為竊目標奶類別弦在節(jié)桿點遮中出換現(xiàn)的交比例買。對姐于所多有的貓，所柄以纏系數(shù)包一定艙為正第數(shù)，讓除非皂其中彈的一壩個床為頂，而位其他鋸比為鴨。商節(jié)點糖在喘屬性熔下分著為桐和往兩個咬部分永，那隔么艷指數(shù)丹就是姜：（）速而宏對導訓練頓集進質行役劃分率時，夏劃分些的醒規(guī)則跑是利財用以二叉袍樹真的誕表示儀形式招，逐算法葡的開豈始是柱從根稈節(jié)點津進行罩劃分憶，對裕各個丟結點它進行古重復疫遞歸張的過需程秒[游]漏：瘦（遣）對野于粱每顆個童結點伍，細選擇幕各個花屬性汽的晝最優(yōu)柱劃分技點。堵根據(jù)竿樣本蝶中運對遷于洪分割督規(guī)則舊“雨否燦”或絹“熱是寶”的餃回答袋，將祝結點俊劃被分為織左右眾兩個明子結拔點，微從規(guī)映則中奔尋找撇變量終，磁如果召最小捏值摩，勉那么形這委就是率當前斃屬性乖的最受優(yōu)躬劃分俱點?？常üВ┰谌嗌喜搅黧E所索得到昌的沙最優(yōu)控劃分系點中徑選擇錘對唯此曲結點癥最優(yōu)飼的分哀割點而，成禍為溜此勿結點內的分勞割規(guī)域則。港分割膠規(guī)則暴的確聲定依跟據(jù)番是罪使（影）式池最小視。揉（偽）鍵重復遙對此妄結點期分割所出來黑的兩嬌個結勇點進慮行分腿割款這一閃過程引。直默到垂樣本碌全部礎屬于匠同一啊類撿為止附，或躍者廈持續(xù)步到葉驢結點肢樣本廚個數(shù)右極秀少（爸如少脾于嚼個）圓，這袋時建痛成的禿樹層枯次多傾，葉奪結點取多，如此時奔該樹繭為當。譽.槐樹的床剪枝豬判定閘樹創(chuàng)臘建煌完成遭后柏，由似于數(shù)猜?lián)胁傻某罟铝⒁c及閘噪聲絲，敲很多兇分枝龜反映俊出巨訓練虧集殊中的情異常彼。剪歸枝方饅法度解決塌這種洋過分宣適應渡的數(shù)諒據(jù)問訓題搏，起超到優(yōu)探化的免作用拉。這蜓種方此法猴一般煤使用巴統(tǒng)計濃度量萬，剪壁去最度不可聾靠棚能夠裹產(chǎn)生材誤差俊的分家枝，攝加快像分類速的速不度干，提彩高徒了升樹獨淋立于國測試塊數(shù)據(jù)返正確肥的分碗類的蝕能力務。搶剪枝仁（仍）分鋒為先堪剪枝廈及后頂剪枝疼兩種作。架算法篩采取咐后剪筐枝（獎）娛的后方法炮，后吳剪枝擠是一吸個過金程賭，它蠟由“穩(wěn)完全揚生長勝”的鮮樹剪蘿去分爬枝默，決芽策樹蝦剪枝給可視瓣為決攏策樹責對構繪造的睜邏輯親延續(xù)劉。茶分為插兩類昏：子考數(shù)提證升即作剪掉鞏樹葉絡節(jié)點雪，使寨得剪彈枝后辯降低泳了決均策樹湯的規(guī)洋模及昆提高喚決策貿樹的汽準確摩率；攪子數(shù)注置換煙即繡通過訓刪除倡節(jié)點旗的分舊枝。佩在刪寫減中汽，志我們塘采用牧剪枝捕算法或中代庫價復炮雜性癥剪枝最也稱煎為耐剪枝確，航系統(tǒng)塞的樣代價充復雜饅度最夜?。ㄌ}）原祥則，臂測度渠方法岡如下街所示喪：密敲悟(論)折為復眉雜度叨參數(shù)懼，援；芽為該蒙樹葉全結點揪個數(shù)睡；浸將隊（竹）理早解愈成潤該樹信加權紫錯分境率與幟對復辯雜度嘗處罰魂值之磚和的奉復合雷成本陜?；ジ鶕?jù)愉信息撫準則崖，島＝略（翻－廊），胡為分涌類數(shù)餓，在收分類險的乓問題袍中取以值為質；貴當勇一定男時，嚇由垮刪減乖后肚生成每的兩匪個具寬有姿同樣橡（上）值渠的樹貪,葉慰子敬結點飛越多濕，曾表示吩樹的百復雜債度單變得憂越高取，扎（揪）越勿大，咽則可元取性信卻變屆得蒜越小弄。對副刪愧減紀的丹過程弱中幣一定黎會產(chǎn)油生一拉系列廟子樹云?？谜麄€排子樹沫子樹郵的生止成決是迭會代咳而更成的掀，亂這叨意味肯著矩是仆隨機驢對扮其中默一個藏結點榴剪枝默后雄生成降的樹殖的集折合中等能夠奸使（虧）式責最小峽的樹堡；睡是卸隨機唐對御其中巧一個只節(jié)點坐修剪棟后川生成房的樹放的集烤合中皺能夠鐘使（計）式刃成為聽最小陷的樹易，以掙此類報推，收直到愁兩個讀葉節(jié)罷點與滲最后鉤的根餃結點矩所組宅成的桃。鋸接著鍵再以抹（清）式塵為選刮擇標粗準笨，誼使用朗獨立媽的測闖試集喂對資各個店子樹多的況（湊）進陸行估脅計，核進而陰選擇牧（頁）最透小的腦樹勺是給最優(yōu)葵樹。愉修剪傾過程燒主要愧完成翅兩部艷分工工作：有（法）生離成有晴序樹接序列栗；（類）確之定葉縣節(jié)點爬的所偶屬類油。其爛修剪隊過程神如下良[櫻]前：樣（正）品構建閉：歐首先站在箏中將期滿足承（咱）＝場（政）圍＋俱（潑）茫的子釘樹層剪枝依，獲統(tǒng)得的樂修剪如后的朵子樹劇即為垮；福（呀）坐生成艇有序恒的騾子樹記序列綠：拿任給驢中牢的節(jié)撒點獵，記積{寧}，軍則每（秒）鏡(濕)幻。對向于給號定節(jié)跳點菌的修延剪子豐樹爸，極則林，芽只要病，堵則閑表示疫取修豆剪后鵲的子倡樹比距原節(jié)娘點更忌合適基。解愛如上蹈不等央式得值到釣：下匠所以秒泳也即版只要顛，票與趕節(jié)點伸具有游同樣鉛的代雹價復倦雜度卡，由角于臨節(jié)點距比聚的節(jié)歐點康更院少，障因此協(xié)節(jié)點被比巖更走可取戚，這戰(zhàn)就是途由磚修剪謹成為形有穩(wěn)序壽的班子樹掀集的郵主要隙思想動。孕對于鴨前面柿所拘構建圍完成唐的死，自∈油,只設馬是閥的修乏剪子建樹，凳且令觀將甘所對黨應的計修剪桃掉，缸修建沸完葬成劃后所紀得到涌的樹閘標演記為籍。峽循環(huán)躺此漫過程怠，勺能夠后產(chǎn)生肚系列會子樹武直到譯修剪膠后所低得售的川以泥左右譯字數(shù)尊及根逢為葉英子竊節(jié)點逃的樹低，并移把它匹作為幕有序患的船子樹飄集的窗最后領一個插子樹戶。輸.申樹的箱最優(yōu)述選擇租決策偏樹剪圾枝完青成后壓，生慎成一傲系列紙子樹維，為嗚了從晉中選會擇出惹最優(yōu)慘樹，儀首先張要做襲的便勇是對掩樹進陷行評波估，眨最高孤準確寨性的轉樹便辱是我瓶們需汽要的悔最優(yōu)葡樹。墊決策致樹評爽估的夜主要掏有兩碧種方夾法：淺折交路叉和食簡單嘩驗證瘡。偶折交沿叉驗統(tǒng)證穩(wěn):級當所惡需分耕析的莊數(shù)據(jù)養(yǎng)樣本鼓數(shù)量侄較少抬時，伯采用泄折交速叉驗痛證能旁夠有味效的均利用墊所有塘可能估的數(shù)魂據(jù)。告交叉紛驗證斬使用鄰訓練許集中充的一喝部分炮數(shù)據(jù)屆，訓粉練集案既用歪于訓劣練且浙也用曉于測南試，果此方章法的信核心征是創(chuàng)終建多兩個測哈試決集策樹蚊，將筆訓練濃集分櫻成級個子蝶集，珍創(chuàng)建挽棵測充試決眉策樹走，在叛每次悅創(chuàng)建歉樹后尾，選驗擇一灘個子泛集作氧為測稅試集帥，其乞他紅個子販集為較訓練繞集。冰這樣錘，訓終練集項中炊個子點集都溉參與山了測馳試。適折交蓬叉驗睜證避牌免了切對獨柳立的剪和新豎的測轟試數(shù)子據(jù)的迅要求尸，通灑過這倒種方瘦法得焦到的滋最優(yōu)眼樹剔押除了猴由于鋒數(shù)據(jù)訓自身劑特性潤帶來井的過臂度適韻應，揀且充酒分反漠映了桿數(shù)據(jù)售中的陪一般背特性酸。屈（二昆）回算法娘的優(yōu)派缺點雄及適境用性絞分類靜回歸腎樹困樹除袋了具病有一丹般決含策樹賀的高雁效性嚇、易姨用性無、易蘇解釋謠性等旋特點崗外，榮還具希備一啄些自墾身特枕點。季如：汽算法炊沒有政對目錯標變虧量及柴預測就變量紐概率漠分布掩上要磚求，服這使逃得不培會因警為預座測變港量不番同存及市目標委變量殘概率姐的牧分布吉造成倘的結描果奸；閉算法駐能夠歇對空翅缺職櫻位進宗行處氣理，呈因此果減少省了睬由于炒空缺涌值延所乘造成激的信兔息偏齒差；厘話算法繭能夠席處理雪孤立真點夾即在快數(shù)據(jù)惑集中拉與其羞他數(shù)晶據(jù)具些有不暖同特露征的罰數(shù)據(jù)眨，使狹孤立請點成搏為一蓋個單額獨的寧葉墊子角節(jié)點測，從炎而猶對狗進一乓步的輩分支石不會自產(chǎn)生盼任何香影響堵；授算法流使凳用二恢元分挺支，菌這膚能夠當充分據(jù)運用愛全部大的數(shù)言據(jù)，通盡可勿能發(fā)抹現(xiàn)全炒部樹訂的結姻構；臘與其踢他算鳥法如奪神經(jīng)宋網(wǎng)絡畜算法寺相比惡，澡算法朵的效點率更直高。歡但是嚷，與袍其它逮統(tǒng)計饑分析態(tài)方法葵相比打自身控也存沫在缺足點沫，食如洽：右本身旗是一推種大掌樣本確的統(tǒng)膛計分炸析方句法,燥樣本芽量較浴小時錫模型株不穩(wěn)減定蝕；錄算法欺的咸模型瘦的穩(wěn)竹定性船較差時,用槽類似撥研究龜資料差建立窯的樹亞型?？逍屯橥嫒菰诓钭伯?。斷對于闖內部珠同質發(fā)性較格好的維數(shù)據(jù)三算法交分析藝的結算果與連其它值分析只方法侍得到霧的結派果基設本一芒致。碼由于醫(yī)在實程際民應用料中，旗企業(yè)來收集杯到的疤客戶銹信息員缺失偷度較悅高，醬而鐮這個繞算法煌同樣辜允許否缺失櫻數(shù)據(jù)挪的存庸在。佳基于址以上煉算法烤的獨興特優(yōu)眾點，弓對于閱本次貴目標庸客戶硬篩選監(jiān)，碼客戶會信息春能夠良表達蓄成屬曬性渣結論鴨式樣仿式，霞本文惱采用圍該模輸型。襯為從虧海量崗客戶膀中篩捧選目擴標客談戶，貼為大扔樣本滴的統(tǒng)薦計分多析方跨法，店建立目比較鳴穩(wěn)定錘的模肉型姐。透這樣垃篩選符的抖過程尸能夠痛加快浙，大民幅度躬地提特高企鐮業(yè)效皆率。蜂（三血）纏算法逼在新乓浪微翁博客蝴戶分糖類忽中的而具體炒應用遵對數(shù)訓量龐閱大的?？蛻艚?jīng)數(shù)據(jù)丸集進計行數(shù)嶄據(jù)管工理，晨從而貢收集臺客戶返的靜漂態(tài)信蛙息，級通過待四個止步驟繭：（保）數(shù)左據(jù)的皆清洗虛；（經(jīng)）樣繡本數(shù)捏據(jù)的倆選擇比；（界）數(shù)絡據(jù)的擊重組泉；（捎）對久訓練顏樣本鐵集數(shù)嗽據(jù)建減立數(shù)蠅據(jù)模肌型，水使用咽算法顆進行靈數(shù)據(jù)抗挖掘繩，在煌獲得燕目標蹈客戶醉的篩擴選模鍬型后炸，接醬著對雙模型端進行籠評價蠶及優(yōu)哲化，易最后羊獲得他目標農客戶賺篩選才模型玻。太.者問題鳳定義娘目標掉客戶駁的尋銅找就驕是從評電信想市場坑新浪逐微博諷所收查集的砌龐大凡客戶釘數(shù)據(jù)搞集中居尋找賠到目珠標客躺戶，繁從而汽提高笛客戶初獲得呢率。服根據(jù)瞞新浪才微博耀在目串標客宇戶查糟找方凝面以累往所寸積累促的經(jīng)斷驗，碑以及雞新浪滴微博即的特管殊性稱，發(fā)語現(xiàn)目牢標客度戶的忌查找誦就是寫對現(xiàn)參有的互客戶慢進行厚數(shù)據(jù)謙挖掘猜然后蜜分析負，建弦立客沖戶特鄉(xiāng)征，儉區(qū)分顧非目裂標客灣戶及死目標峽客戶默的特搭性，絨再建詠立目汪標客藥戶查淹找模尤型，銳將模做型運蒼用于遙實際偷中，恒海量泡地進故行目桌標客惑戶的央尋找幸，提冒高潛瞎在客昨戶獲絕得率幕。孫收集局到的屋客戶宜信息回均為屆靜態(tài)疲信息文即用儀數(shù)字冬資料潮或文斬字描片述來積反映勻已經(jīng)難發(fā)生飼的各略種經(jīng)存濟活犬動，斃且主喇要包帝括：曠用戶蹦昵稱呆、性籌別、括用戶待、粉侄絲數(shù)柜、關漫注數(shù)坡、微童博數(shù)耀、互傳粉數(shù)摔、地顧址、匯語言終版本椅、是驚否認啞證及賴注冊馬時間漫。賺.痰數(shù)據(jù)斑準備告在進孝行數(shù)鼓據(jù)挖廈掘之藝前，爸本文忠采用枕的是構年需月份姥新浪碌微博罵的用期戶數(shù)挽據(jù)。莊由于撈數(shù)據(jù)弊比較博龐大攀，本拳文采仗用具健有強拘大數(shù)占據(jù)統(tǒng)老計分旦析功季能的板存放杯數(shù)據(jù)書，而屠在將福數(shù)據(jù)得導入題之前慕，先籃人工筐初步導對變驢量進攻行處禍理，擴刪除矮不需慈要的怕變量謎。在尋統(tǒng)計單中發(fā)特現(xiàn)筋年數(shù)米據(jù)比皆較集巡中，慚而且違數(shù)據(jù)存質量曾較高鴨，因墳此本梢次數(shù)撿據(jù)主叢要采研用新黑浪微繭博數(shù)冶據(jù)庫醫(yī)的數(shù)額據(jù)進雕行建廈模。乳截止穴到辰年好月份夜為止靈，采謎取的遷樣本絹的數(shù)礦據(jù)共揉有撒人。練有關喊變量碑如進表池所示墨：托表嶄新浪局微博太變量限查詢暴時間認日期禾型屈訓練隔集收安集日擱期之用戶飲昵稱姨字符偉型盈用戶假賬戶心的名僑稱扒性別繡字符汁型勵男或洪女私字符克型共用戶漠賬戶甲編號擇地址更字符請型絮用戶椒所住軍城市豪語言芳版本鑼字符少型份所用膜語言荒認證捎字符放型零是否攝被新賞浪微啊博認貪證斜粉絲解數(shù)廟整型擦擁有資粉絲御數(shù)量者關注久數(shù)鼓整型休被其千他人爺關注悉數(shù)量獻互粉粉數(shù)闖整型桿相互央關注宇數(shù)量攔微博驅數(shù)擋整型福用戶愛發(fā)表富信息無數(shù)床收藏浙數(shù)靠整型芳用戶厚收藏航信息塌數(shù)李注冊匹時間谷日期罷型憤用戶跌賬戶晝注冊怪時間勞在數(shù)陸據(jù)導悔入糖軟件潔之前嫂，先宵人工客的對塞變量禾進行跌初步丑處理萍，刪倒除一滑些顯炊然不點重要沉的變犯量。桶雖然及能對嚷數(shù)據(jù)嚼進行師預處觀理，午但是堅先排交除一述些輸遺入變呆量，迎這有穿助于抖提高訊所建中模型低的結捐果精松準度留以及發(fā)數(shù)據(jù)互處理刪效率雖。我是每昂個用龍戶所俊登記徹的區(qū)號，唇此標掉識對態(tài)于每無條記目錄來飯說都猶是單返一的屋，涌一定端不會包出現(xiàn)涌重復挎的情枝況勒，張從中湯可得繞知，吃變量盆只能硬代表貸其汽特征蛋，而變不是盈共同兄的特伐性朋，所條以，具也不鐵能反蓋映數(shù)汁據(jù)間蛛的內跳在關咬聯(lián)，紐可以助將其施刪除脆。此賊外，傍變量既查詢始時間港，由婚于本閣論文憐在同淘一時轉間段蒜抽取暖數(shù)據(jù)趨，所械有的咬用戶抖的查劍詢時飾間段跡都是最相同意的為喬年畏月，峽即查炸詢時看間如及注鵲冊時頭間公不能染反映誠出客井戶客飯戶分響類的辯重要胞特征身，對惑于后軋續(xù)的罪無意憶義，竊所以悼也將慨其刪列去。心同樣錘，對思于語收言版篩本這察個變庸量，玩由于棄新浪稅微博解抽取慌數(shù)據(jù)筍為中誕華人勝民共號和國案大陸耐地區(qū)江，所決有的揚用戶掉使用憑的都扣是簡集體中者文，位因此懇，刪封除此羽變量封。途綜上岸所述疤，導柏入史軟件隨的變撒量分僚別為扮用戶優(yōu)昵稱遍、性瞞別、原地址煤、粉嚇絲數(shù)湊、關析注數(shù)劇、微駕博數(shù)均及收勵藏數(shù)煎。如貫下表騾所示加：精表掃變量需說明舊用戶障昵稱嶄字符紗型津用戶銷賬戶大的名裳稱肥性別瘋字符盡型冠男或絕女穿地址輔字符薦型鹿用戶諷所住怒城市湊粉絲莖數(shù)岸整型啦擁有冬粉絲于數(shù)量芝關注蔥數(shù)治整型活被其握他人暮關注秀數(shù)量省微博駛數(shù)話整型機相互梨關注販數(shù)量滔收藏啦數(shù)屬整型寫用戶悄發(fā)表捎信息粒數(shù)肝由于致分類棋樹最解大的咐特點著為可蔽以存梁在缺它失數(shù)應據(jù)，婆故在且抽取槐樣本孟時也栽考慮慘缺失麗的情丸況，航缺失香情況剖如下候表膽所示頂：醒表擴缺失測情況掀缺失溪項棵是否鈔認證銅缺失譽數(shù)趨進行撐相關憑性計溝算，誠由于盤新浪勉微博園的基警本信草息主郊要為校：用提戶昵訓稱、君性別繼、用筐戶暢、粉消絲數(shù)刮、關議注數(shù)非、微摧博數(shù)恨、互仍粉數(shù)替、地杠址、崇語言稱版本怪、是亦否認柜證及繼注冊田時間鬼，這燒幾項淚靜態(tài)峰信息譜的熟都爐不存追在遼著闊相關非，香因此令不對抹各項肚進行右相關屈性分流析。脊.指數(shù)據(jù)帶變換取(另)壘數(shù)據(jù)柱的個預處貴理逗數(shù)據(jù)懼預處聾理虎是建達模型侄前最斃后的粉工作復，這港一步瀉驟冒也是緣整個材建?；钸^程哥中最夸為持關鍵開的一蓋步，拋不帽精準罪的數(shù)弓據(jù)將蜘嚴重悟影響框所建德模型向結果禍的精轟準性勝，造戲成我刮們做詳出錯腳誤的漂決策瓜，然玩而好京的數(shù)肯據(jù)能夠建立輝更加格附和奉實際貝情況京且更騎加精榜準的鵝模型巷。傅由于與原始繁數(shù)據(jù)德一定密存在柔著筒空缺捏、噪顏聲、莊錯誤伸等數(shù)麥據(jù)，貪他們命最終謀有一股定蹈程度販地影炕響?？湫偷臓捱^程油和輸亮出，視因此貌首先蒼對數(shù)爬據(jù)進揉行清換洗。懶由于恨分類抄樹的劈最大桐優(yōu)點耳是奏能夠皆允許螞空缺脂數(shù)據(jù)捎的尋育在，怠因此輪對于京空缺傭的數(shù)干值統(tǒng)擦一賦列“敘”芒，而民對于巖本次邊數(shù)據(jù)六清洗惡主要嫩針對挎錯誤枯的數(shù)拴據(jù)。采數(shù)據(jù)過的錯走誤主權要現(xiàn)表現(xiàn)捏在客親戶信戒息失乖真情庭況上伸，例餃如：處粉絲臉數(shù)的跡位數(shù)興不正農確叔，蹤用戶暗昵稱使采用乘重復胖值，贏故對懸這批君數(shù)據(jù)遼刪除盜重復交項，飄避免羞影響梢了懶模型挨的準昌確性代。德通過啞上述艇步驟稻的數(shù)大據(jù)清己洗，巖去除暴了綿影響如模型渠輸出域的數(shù)目據(jù)，適由于身原數(shù)會據(jù)樣佛本過撐于龐察大故跪隨機裕抽取厲前屠項作隨為研餡究對費象樸。番流圖源如下田所示籍：租圖礎抽取貿訓練線集爹得到徐的前元項數(shù)憤據(jù)量藍，如突下圖律所示六：五圖遲項具房體訓匠練集是（看）將魚數(shù)據(jù)既分類艦匯總玩每個地用戶測都有晌很多芹變量細，要淺識別飄目標傻客戶病，首汁先要蝦做的姿是對尊各個爭變量腰值進笑行分君類匯須總，咐例如全：用鞏戶的凈粉絲泄數(shù)可菌能會劫在某飄種程襪度上襪預示愧著用堤戶的脖行為槍，如憂果粉能絲數(shù)熄量龐丈大，不那奇么可掘能發(fā)崗表微快博數(shù)漁量也田大，繞在新麻浪微篩博平瘡臺互宇動性帝高，適成為繳目標練客戶沸；爬如果糟粉絲勸數(shù)量恒較小頌，映埋射著扛在新悟浪微吳博平餓臺互停動性案較低壞，那林么可到能成凱為非澤目標必客戶忘。這精樣才插能使祝數(shù)據(jù)加更有樹意義騾，有押助于跌下一左步的拘研究纏。蔬為了再查看息粉絲墓數(shù)、博關注屢數(shù)、續(xù)微博邊數(shù)、沸互粉今數(shù)闖、收解藏數(shù)鞏的每臭一項授數(shù)值先，利仇用圖哥形版頑及統(tǒng)聞計量搖進行涂分析走。具晨體如石下所仗示：疤圖伯數(shù)據(jù)甜分析兇由于你數(shù)據(jù)塵訓練匙集的只范圍葉較大扯，故抽將變背量劃幟分成視若干字個字充段，吵這樣貿數(shù)據(jù)善較為徹直觀霉，然鞋后進珍行分膏類匯伴總，涉這樣中有利稼于后只面建喝模的汽數(shù)據(jù)舊分析毯。具條體如鄙下表仙所示魔：序表橡數(shù)據(jù)配分類筒粉絲坊數(shù)目穴關注耐數(shù)目占微博語數(shù)目丈收藏運數(shù)目跪互粉師數(shù)目眨粉絲序數(shù)飼≦再關注鞠數(shù)建≤兄微博擴數(shù)布≦骨收藏降數(shù)瞧≦翼互粉鉤數(shù)灣≤蹦＜粉棗絲數(shù)雄≦資＜關甩注數(shù)鏈≤歡＜微虜博數(shù)脆≦顏＜收偷藏數(shù)除≦溝＜互盟粉數(shù)販≤耗＜粉擴絲數(shù)待≦欄＜關繭注數(shù)?！芸郏嘉⒊讲?shù)冬≦帖＜收犧藏數(shù)喜≦汪＜互榜粉數(shù)爽≤贊＜粉磨絲數(shù)庸≦庸＜關謊注數(shù)皮≤分＜微奸博數(shù)折≦斑收藏豆數(shù)＞雷互粉肝數(shù)魄≧略＜粉伙絲數(shù)近≦哈＜關遇注數(shù)聽≤嗽微博忌數(shù)＞見粉絲程數(shù)＞菌關注灑數(shù)＞厲利用隨過濾事字段璃選項故，將濫原始堡訓練免集中梁的粉稠絲數(shù)教、關冰注數(shù)陪、微居博數(shù)滋、收惡藏數(shù)訊及互目粉數(shù)甚過濾箭。具斧體操賊作如父下圖等所示沸：估圖露過濾售變量炭（碼）變赤量值昏確定腿方法閣本論緣文涼目的北主要俗為風挖掘細新浪脾微博餡平臺史中悉的滲目標冶客戶曾及非企目標約客戶孩，洲目標堵客戶求指當斬前活古躍在黨新浪萄微博監(jiān)平臺慮的用肢戶，鵲而非吉目標罵客戶艘指的孫是當機前對覺新浪廢門戶厲做的羽貢獻胃不大茶，但街在不慕久的姐將來閑可能遮給新扛浪門躺戶帶氧來更雨多價婦值及背利潤峰的用吹戶。原不同向的企很業(yè)對裳于衡蠟量標裙準有娃不同橡的定輸位：妻有的別企業(yè)義可能衛(wèi)認為屢只要圈用戶腿有粉負絲數(shù)稈，即陵使沒乒有微逼博數(shù)角、收刻藏數(shù)填，仍臂然可音能從染非目剛標客既戶轉禿為潛約在客版戶。竿但有燃的可仇能認窩為微終博數(shù)捎為第赴一考照慮因戀素，殲只有斥發(fā)表武過微辛博才條能成南為目潤標客孕戶。伐對此緊，應淺為衡窩量方饑法制杜定一戀個標小準漂。在香之前販的數(shù)償據(jù)湯的分軍類匯篇總及宴預處測理過溝程中嘗，我信們已蠻經(jīng)鳳將對煮模型揉有關餃聯(lián)的兵變量習進行嫌分析法，這輩為我咳們毀在后告面枕制定粗衡量孝目標碑客戶辟的標椒準提茫供了突準則誰。肝客戶照價值蠻的蒜預測姓方法嗚有灶