1、經(jīng)濟全球化和多樣化使得企業(yè)從“以產(chǎn)品為中心”向“以客戶為中心”轉(zhuǎn)變，客戶關(guān)系管理(CRM)成為企業(yè)競爭力的一個重要方面。利用數(shù)據(jù)挖掘技術(shù)分析這種海量的CRM數(shù)據(jù)，可以挖掘出有關(guān)客戶的潛在的有用的知識，幫助企業(yè)了解現(xiàn)有客戶的購買習慣，為客戶提供個性化的、更能滿足其需求的服務(wù)。同時，基于數(shù)據(jù)挖掘的客戶關(guān)系管理，有利于企業(yè)發(fā)現(xiàn)、吸引和拓展?jié)撛诳蛻?，從而最大化客戶對企業(yè)的商業(yè)利潤。因此，研究數(shù)據(jù)挖掘技術(shù)在CRM中的應(yīng)用，具有重要的理論指導和實際

2、應(yīng)用價值。
　　分類和預測是數(shù)據(jù)挖掘領(lǐng)域中的一個重要研究課題，很多相關(guān)的研究結(jié)果已經(jīng)用于客戶關(guān)系管理中。本文基于法國電信運營商Orange公司（KDDCUP2009數(shù)據(jù)集）提供的數(shù)據(jù)集，建立數(shù)據(jù)挖掘流程，在數(shù)據(jù)預處理后實現(xiàn)和改進了三種分類算法，并提出四種集成分類器算法，完成對客戶的購買欲、忠誠度和增值服務(wù)的分類和預測。最后，設(shè)計實驗評價各種分類器的性能，并對實驗結(jié)果進行比較分析。本文的主要工作包括：
　　數(shù)據(jù)預處理：數(shù)據(jù)預處

3、理是數(shù)據(jù)挖掘工作的重點，數(shù)據(jù)預處理的好壞，對數(shù)據(jù)挖掘的最終效果有著直接的影響。因此本文中的數(shù)據(jù)預處理分為兩步，初步預處理和二次預處理。初步預處理主要包括：數(shù)據(jù)觀察，數(shù)據(jù)清理，離散化處理和屬性特征選擇。而二次預處理或深層預處理，則依賴于具體的分類模型。
　　分類模型的構(gòu)建：針對Orange公司提供的客戶數(shù)據(jù)集，本文首先探索了多層感知分類器（MLP：Multilayer perceptrons）的算法實現(xiàn)。而后應(yīng)用經(jīng)典的支持向量積（S

4、VM：Support Vector Machine）算法構(gòu)建第二個分類器。最后，基于邏輯模型樹（LMT：Logistic Model Tree）構(gòu)建第三個分類器。為了提高分類性能，我們設(shè)計實現(xiàn)了四個集成分類器，分別是：基于后驗概率的集成分類器、基于投票的集成分類器、基于后驗概率的加權(quán)集成分類器和基于投票的加權(quán)集成分類器。
　　實驗設(shè)計及結(jié)果分析：本文首先給出了整體實驗框架，而后通過對三種經(jīng)典分類算法的實驗結(jié)果，以及最后集成分類器的

5、實驗結(jié)果比較，本文應(yīng)用ROC曲線下面積(Area Under the Curve, AUC)作為評價指標，對三種經(jīng)典分類器實驗結(jié)果和集成分類器進行分析。對于單個分類器來說，改進的邏輯模型樹分類器的分類效果明顯好于多層感知器和支持向量機。對于集成分類器來說，基于后驗概率的加權(quán)集成分類器和基于投票的加權(quán)集成分類器要更好一些。
　　本文把數(shù)據(jù)挖掘理論和Orange公司提供的客戶數(shù)據(jù)集相結(jié)合，通過對數(shù)據(jù)挖掘流程的實現(xiàn)，最終完成了對客戶購買