商務(wù)數(shù)據(jù)分析課件：分類模型應(yīng)用

分類模型應(yīng)用第一節(jié)客戶細(xì)分1.問(wèn)題描述客戶成為保險(xiǎn)公司的重要資產(chǎn)，開(kāi)發(fā)一個(gè)新客戶比維護(hù)舊客戶的成本要高得多。因此，保險(xiǎn)公司需要對(duì)客戶的信息進(jìn)行統(tǒng)計(jì)挖掘分析，來(lái)更深入的認(rèn)識(shí)和評(píng)判客戶。通過(guò)對(duì)客戶的分析實(shí)現(xiàn)公司和客戶之間的雙贏?？蛻艏?xì)分指的是根據(jù)客戶的特征信息將客戶劃分成不同的群體，從而公司可以對(duì)不同類別的客戶做出不同的決策來(lái)促進(jìn)購(gòu)買和提高忠誠(chéng)度。本案例在客戶價(jià)值理論的基礎(chǔ)上，首先利用客戶的基本特征（性別、出生日期、地區(qū)等）、車輛特征（使用年限、座位數(shù)、行駛區(qū)域、行駛里程等）、客戶行為特征和保險(xiǎn)信息特征通過(guò)聚類將客戶分為四個(gè)類別，再利用分類模型來(lái)驗(yàn)證客戶細(xì)分模型，分析客戶個(gè)人信息和車輛信息等因素對(duì)分類結(jié)果的影響程度。2.數(shù)據(jù)理解（1）數(shù)據(jù)來(lái)源本案例數(shù)據(jù)來(lái)自一家車輛保險(xiǎn)公司，數(shù)據(jù)主要是客戶購(gòu)買車險(xiǎn)的相關(guān)記錄。（2）數(shù)據(jù)描述本案例從企業(yè)數(shù)據(jù)庫(kù)中提取了以下屬性，用于數(shù)據(jù)挖掘分析：（I）客戶人口統(tǒng)計(jì)特征：客戶編碼，客戶中文名稱，性別，出生日期，地區(qū)，健康狀況，客戶類型。（II）客戶車輛特征：保單號(hào)碼，行駛區(qū)域，行駛里程，使用年限，車型代碼，廠牌型號(hào)名稱，國(guó)別性質(zhì)，使用性質(zhì)代碼，座位數(shù)，噸位數(shù)、排量，車身顏色代碼，固定停放地點(diǎn)，新車重置價(jià)格，實(shí)際價(jià)值，是否二手車，二手車交易價(jià)格。（III）客戶行為特征：保單號(hào)碼，險(xiǎn)類代碼，險(xiǎn)種代碼，投保單號(hào)碼，投保人代碼，投保人名稱，被保險(xiǎn)人名稱，總保險(xiǎn)金額，總保險(xiǎn)費(fèi)，理賠次數(shù)。（IV）保險(xiǎn)信息特征：保單號(hào)碼，險(xiǎn)種代碼，序號(hào)，險(xiǎn)別代碼，險(xiǎn)別名稱，標(biāo)的序號(hào)，標(biāo)的項(xiàng)目類別代碼，標(biāo)的項(xiàng)目明細(xì)名稱，起保日期，終保日期。3.數(shù)據(jù)預(yù)處理（1）數(shù)據(jù)集成將分屬于不同數(shù)據(jù)表中的數(shù)據(jù)進(jìn)行集成，依據(jù)各類編碼，將所需要的信息匯總到一個(gè)表上。（2）數(shù)據(jù)清洗對(duì)集成后的數(shù)據(jù)進(jìn)行數(shù)據(jù)缺失值、異常值的處理。具體操作如下：(I)刪除嚴(yán)重缺失信息的特征；(II)刪除嚴(yán)重缺失的記錄；(III)刪除存在異常值屬性的記錄；(IV)填充空白未知類屬性。3.數(shù)據(jù)預(yù)處理(3)數(shù)據(jù)轉(zhuǎn)換、離散和標(biāo)準(zhǔn)化處理結(jié)合樣本集的特點(diǎn)，采用以下方式對(duì)數(shù)據(jù)進(jìn)行處理。(I）數(shù)據(jù)轉(zhuǎn)換屬性理賠次數(shù)轉(zhuǎn)換為理賠得分，理賠得分越高，理賠次數(shù)越少，客戶的潛在價(jià)值越高。添加新的屬性（折舊率），將屬性實(shí)際價(jià)值刪除，用新車購(gòu)置價(jià)格和折舊率兩個(gè)屬性來(lái)表示車輛的價(jià)值。(II）離散化屬性如車輛使用年限、座位數(shù)和排量有現(xiàn)實(shí)含義，可以根據(jù)車輛管理部門的規(guī)定對(duì)連續(xù)型數(shù)據(jù)進(jìn)行劃分。屬性如年齡、使用年限，可以通過(guò)等寬或等頻方式實(shí)現(xiàn)離散化。

(III）標(biāo)準(zhǔn)化利用標(biāo)準(zhǔn)化操作，將保險(xiǎn)費(fèi)映射到[0,9]區(qū)間上。4.模型建立案例選取了客戶的總保險(xiǎn)費(fèi)和理賠得分兩個(gè)變量代表客戶的當(dāng)前價(jià)值和潛在價(jià)值，以此聚類得到客戶的分類特征。總保險(xiǎn)費(fèi)是代表了客戶提供給保險(xiǎn)公司的營(yíng)業(yè)收入，繳納的保險(xiǎn)費(fèi)越多，保險(xiǎn)公司的收入越高，因此保險(xiǎn)費(fèi)高的客戶具有較高的當(dāng)前價(jià)值。理賠得分越高代表理賠次數(shù)越低，則表明可以繼續(xù)發(fā)展該客戶，即該客戶的潛在價(jià)值越高。因此本案例先利用理賠得分和總保險(xiǎn)費(fèi)兩個(gè)屬性用來(lái)聚類，將客戶分為客戶價(jià)值理論中的四種類別，再建立分類模型通過(guò)客戶和車輛的基本信息來(lái)判斷客戶的類別。4.模型建立（1）聚類模型基于選擇KMeans方法將客戶聚類為4種。四類客戶具備如下特點(diǎn)：I類客戶當(dāng)前價(jià)值和增值潛力都很低；II類客戶價(jià)值不高，但具有很大的增值潛力；III類客戶具有很高的當(dāng)前價(jià)值和低的增值潛力；IV類客戶既有很高的當(dāng)前價(jià)值也有很大的增值潛力。聚類結(jié)果表明：II類用戶的數(shù)量是最多的，說(shuō)明當(dāng)前的保險(xiǎn)公司的用戶出險(xiǎn)的概率的較小，同時(shí)保險(xiǎn)的費(fèi)用也比較少，即目前該保險(xiǎn)公司的客戶更多是比較小心謹(jǐn)慎、少出險(xiǎn)的客戶。4.模型建立（2）分類模型案例以K-means聚類的結(jié)果作為客戶分類結(jié)果，進(jìn)一步研究影響分類的因素。實(shí)驗(yàn)使用神經(jīng)網(wǎng)絡(luò)作為主要分類方法，并用邏輯回歸、決策樹(shù)和支持向量機(jī)作為參照。由于數(shù)據(jù)是不平衡數(shù)據(jù)，因此還采用一些算法對(duì)不平衡數(shù)據(jù)進(jìn)行處理，具體采用了代價(jià)敏感函數(shù)、過(guò)采樣、欠采樣、Bagging集成和Boosting集成五種方法。5.模型評(píng)價(jià)案例通過(guò)精確度（Accuracy）、F值（F-value）、召回率（Recall）、準(zhǔn)確率（Precision）和AUC來(lái)評(píng)估模型性能。從分類的整體準(zhǔn)確度來(lái)看，神經(jīng)網(wǎng)絡(luò)的分類準(zhǔn)確率達(dá)到70%以上，并且優(yōu)于其他算法；使用了不平衡數(shù)據(jù)的處理后，代價(jià)敏感函數(shù)和集成方法取得了較好的提升，而過(guò)采樣和欠采樣的處理對(duì)分類結(jié)果并無(wú)正面影響。６．案例小結(jié)本案例將某保險(xiǎn)公司的客戶按照客戶價(jià)值理論進(jìn)行細(xì)分，選擇客戶的總保險(xiǎn)費(fèi)和理賠得分兩個(gè)變量分別代表客戶的當(dāng)前價(jià)值和潛在價(jià)值，以此聚類得到客戶的分類特征，最后利用分類算法構(gòu)建新客戶的分類模型。由實(shí)驗(yàn)過(guò)程及結(jié)果對(duì)比分析可以得出以下結(jié)論：首先，保險(xiǎn)客戶根據(jù)保費(fèi)和理賠次數(shù)可以明顯地分為四類，符合客戶價(jià)值矩陣?yán)碚?，最有價(jià)值一類客戶，即保費(fèi)高、理賠少的客戶只占到所有客戶的1