没有合适的资源?快使用搜索试试~ 我知道了~
SASchampion2017:根据一家航空公司的数据,构建了一个进行损失预警的模型,包括损失概率模型和客户画像
共63个文件
png:48个
csv:9个
html:4个
需积分: 26 9 下载量 112 浏览量
2021-02-09
01:02:45
上传
评论
收藏 17.81MB ZIP 举报
温馨提示
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
资源推荐
资源详情
资源评论
收起资源包目录
SASchampion2017-master.zip (63个子文件)
SASchampion2017-master
miningProcess.png 96KB
data
airlin_runoff_cluster_final.csv 3.06MB
airlin_runoff_X_train_class.csv 4.54MB
airlin_runoff_y_test_class.csv 161KB
airlin_runoff_cluster_final0.csv 1.82MB
airlin_runoff.csv 13.46MB
airlin_runoff_cluster.csv 13.1MB
airlin_runoff_X_test_class.csv 1.13MB
airlin_runoff_cluster_final1.csv 1.13MB
airlin_runoff_y_train_class.csv 645KB
ClassPrediction.html 1.77MB
ClusterPreprocessing.html 255KB
Cluster.html 968KB
README.md 2KB
figure
2.png 3KB
3.png 3KB
t2.png 27KB
v3.png 24KB
t5.png 23KB
5.png 3KB
v4.png 21KB
混淆矩阵1.png 7KB
t8.png 27KB
t4.png 17KB
t1.png 26KB
v2.png 24KB
6.png 3KB
age箱图.png 6KB
轮廓流失.png 8KB
决策树1.png 9KB
Untitled Diagram.drawio 40KB
boosting.png 25KB
样本标签分类.png 7KB
t10.png 29KB
treefull.png 787KB
1.png 3KB
t9.png 29KB
roc,im1.png 18KB
l1.png 26KB
Best validation score 0.9784学习曲线1.png 26KB
t7.png 22KB
轮廓非流失.png 8KB
v5.png 23KB
EXCHANGE_COUNT.png 9KB
v1.png 24KB
决策树边界.png 25KB
混淆.png 10KB
compare
梯度2.png 18KB
随即森1.png 9KB
决策树2.png 21KB
梯度提升1.png 9KB
决策树1.png 9KB
随机2.png 19KB
二维流失.png 36KB
t3.png 27KB
4.png 3KB
bagging.png 27KB
t6.png 28KB
t11.png 26KB
treefull-1.png 129KB
训练集.png 4KB
二维非流失.png 33KB
DataPreprocessing.html 873KB
共 63 条
- 1
资源评论
SouravGoswami
- 粉丝: 22
- 资源: 4531
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功