1、數(shù)據(jù)挖掘是實(shí)施客戶關(guān)系管理和市場(chǎng)研究中應(yīng)用到的重要技術(shù)。在保險(xiǎn)和銀行等大量中小客戶集中的行業(yè)，對(duì)客戶數(shù)據(jù)的分析和評(píng)估更對(duì)企業(yè)的戰(zhàn)略及營(yíng)銷方案有著舉足輕重的影響。然而對(duì)于個(gè)人客戶而言，很難對(duì)其帳戶和數(shù)據(jù)進(jìn)行準(zhǔn)確評(píng)估。特別對(duì)于實(shí)施實(shí)名帳戶之前的賬號(hào)數(shù)據(jù)，更是難以一一對(duì)應(yīng)，這對(duì)預(yù)測(cè)的精確性產(chǎn)生了極大的影響。 為了提高商務(wù)智能系統(tǒng)對(duì)業(yè)務(wù)預(yù)測(cè)的精確性，首先要確定哪些歷史賬號(hào)和訂單屬于同一個(gè)顧客。一個(gè)客戶可能開(kāi)多個(gè)不同的賬號(hào)，使用不同的地址、

2、電話甚至姓名。這些不同的賬號(hào)所擁有的客戶信息也是殘缺不全的。客戶信息管理的第一步，就是客戶數(shù)據(jù)進(jìn)行預(yù)處理，將賬號(hào)和訂單進(jìn)行模糊識(shí)別以判斷哪些賬號(hào)是屬于同一個(gè)客戶的。 本課題將應(yīng)用樸素貝葉斯、決策樹(shù)和神經(jīng)網(wǎng)絡(luò)三種分類模型對(duì)訂單匹配結(jié)果數(shù)據(jù)進(jìn)行機(jī)器學(xué)習(xí)，并對(duì)這幾個(gè)個(gè)分類器的性能進(jìn)行評(píng)估。文章將提供樸素貝葉斯分類器、決策樹(shù)和神經(jīng)網(wǎng)絡(luò)分類器的算法介紹、決策模型的建立步驟、分類器性能的評(píng)估方法以及評(píng)估結(jié)果。工具和模型將會(huì)應(yīng)用到一家保險(xiǎn)公司