应用机器学习方法度量在线品牌忠诚度模型构建研究PDF|Epub|txt|kindle电子书版本网盘下载

应用机器学习方法度量在线品牌忠诚度模型构建研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

1绪论1

1.1 研究背景1

1.2 研究目的及研究意义2

1.2.1 研究目的2

1.2.2 研究意义3

1.3 国内外研究现状3

1.3.1 国外研究现状3

1.3.2 国内研究现状12

1.3.3 研究现状评述15

1.4 研究思路与研究内容16

1.4.1 研究思路16

1.4.2 研究内容17

2在线品牌忠诚度大数据与机器学习方法20

2.1 在线品牌忠诚度大数据20

2.1.1 在线品牌忠诚度大数据的基本特性20

2.1.2 在线品牌忠诚度大数据的特征22

2.1.3 在线品牌忠诚度大数据分析评述23

2.2 在线品牌忠诚度度量的机器学习24

2.2.1 机器学习研究概述25

2.2.2 在线品牌忠诚度度量的机器学习要素28

2.2.3 在线品牌忠诚度度量的机器学习聚类方法30

2.2.4 在线品牌忠诚度度量的机器学习框架31

2.2.5 在线品牌忠诚度度量的机器学习环境32

2.2.6 在线品牌忠诚度度量的机器学习路径33

2.3 本章小结34

3在线品牌忠诚度度量的在线数据采集36

3.1 在线品牌忠诚度度量的在线数据采集关键技术36

3.1.1 信息源36

3.1.2 采集方法37

3.1.3 数据处理38

3.2 在线品牌忠诚度度量的在线数据采集模型分析39

3.2.1 在线数据采集模型39

3.2.2 在线数据采集模型抓取策略40

3.2.3 在线数据采集模型结构原理41

3.3 在线品牌忠诚度度量的在线数据采集模型设计41

3.3.1 在线数据采集模型的策略设计41

3.3.2 在线数据采集模型的架构设计43

3.3.3 在线数据采集模型的详细设计44

3.4 在线品牌忠诚度度量的在线数据采集模型实现46

3.4.1 根据主题抓取URL列表46

3.4.2 URL判重47

3.4.3 网页解析存储47

3.5 本章小结50

4在线品牌忠诚度度量的在线数据清洗51

4.1 在线品牌忠诚度度量的在线数据清洗概述51

4.1.1 在线品牌忠诚度度量的在线数据清洗流程51

4.1.2 在线品牌忠诚度度量的在线数据清洗准备52

4.1.3 在线品牌忠诚度度量的在线数据清洗对象60

4.2 在线品牌忠诚度度量的在线数据检测算法的设计与实现61

4.2.1 在线品牌忠诚度度量的在线重复数据检测算法61

4.2.2 在线品牌忠诚度度量的在线错误数据检测算法63

4.2.3 在线品牌忠诚度度量的在线缺失数据检测算法67

4.3 在线品牌忠诚度度量的在线数据清洗算法的设计与实现68

4.3.1 在线品牌忠诚度度量的在线重复数据清洗算法68

4.3.2 在线品牌忠诚度度量的在线数据转换类型算法的设计与实现70

4.3.3 在线品牌忠诚度度量的在线错误数据清洗算法的设计与实现74

4.3.4 在线品牌忠诚度度量的在线缺失数据清洗算法76

4.3.5 在线品牌忠诚度度量的在线数据合并和过滤算法81

4.4 本章小结82

5在线品牌忠诚度度量的机器学习方法模型构建83

5.1 机器学习聚类算法理论83

5.1.1 聚类的概念83

5.1.2 划分聚类算法84

5.2 在线品牌忠诚度度量模型特征概述86

5.2.1 在线品牌忠诚度度量模型特征选择依据86

5.2.2 在线品牌忠诚度度量模型特征指标定义87

5.3 在线品牌忠诚度度量模型特征构建91

5.3.1 在线品牌忠诚度度量模型行为特征集构建算法91

5.3.2 在线品牌忠诚度度量模型态度特征集构建算法96

5.3.3 在线品牌忠诚度度量模型时间特征集构建算法99

5.3.4 在线品牌忠诚度度量模型用户特征集构建算法102

5.3.5 在线品牌忠诚度度量模型初始特征集构建算法105

5.4 在线品牌忠诚度度量模型构建107

5.4.1 在线品牌忠诚度度量模型的要素定义107

5.4.2 在线品牌忠诚度度量模型的要素实例108

5.4.3 在线品牌忠诚度度量模型的方法定义110

5.4.4 在线品牌忠诚度度量模型的构建实现111

5.5 本章小结119

6在线品牌忠诚度度量模型检验120

6.1 在线品牌忠诚度度量模型检验概述120

6.1.1 聚类模型有效性120

6.1.2 聚类模型有效性的检验方法121

6.2 在线品牌忠诚度度量模型检验指标设计122

6.2.1 在线品牌忠诚度度量模型内部有效性指标122

6.2.2 在线品牌忠诚度度量模型外部有效性指标124

6.3 在线品牌忠诚度度量模型内部有效性指标检验实现126

6.3.1 在线品牌忠诚度度量模型SSE指标检验算法126

6.3.2 在线品牌忠诚度度量模型SSB指标检验算法128

6.3.3 在线品牌忠诚度度量模型Intra DPS指标检验算法129

6.3.4 在线品牌忠诚度度量模型Inter DPS指标检验算法131

6.3.5 在线品牌忠诚度度量模型交叉检验算法132

6.4 在线品牌忠诚度度量模型外部有效性指标检验实现149

6.4.1 Allan L.Baldinger和Joel Rubinson的理论检验149

6.4.2 Palto理论的检验152

6.5 本章小结154

7在线品牌忠诚度度量的模型优化155

7.1 在线品牌忠诚度度量的模型数据处理优化方法155

7.1.1 增加数据量155

7.1.2 处理缺失值和异常值156

7.2 在线品牌忠诚度度量的模型数据处理优化实现156

7.2.1 算法设计157

7.2.2 算法实现158

7.3 在线品牌忠诚度度量的模型特征工程优化方法159

7.3.1 特征工程优化概述160

7.3.2 RFE特征选择方法163

7.3.3 Boruta特征选择方法164

7.4 在线品牌忠诚度度量的模型特征工程优化实现165

7.4.1 特征转换和选择预处理方法的实现165

7.4.2 RFE特征选择方法的实现171

7.4.3 基于RFE特征选择方法的模型优化173

7.4.4 Boruta特征选择方法的实现183

7.4.5 基于Boruta特征选择方法的模型优化188

7.4.6 基于RFE和Boruta特征选择方法的模型优化比较192

7.5 在线品牌忠诚度度量的模型算法调整优化方法及实现193

7.5.1 基于聚类数κ选择的模型优化193

7.5.2 基于迭代次数选择的模型优化196

7.5.3 基于初始质心生成次数选择的模型优化196

7.6 在线品牌忠诚度度量最优模型效果197

7.6.1 实现在线品牌忠诚度相似用户的聚类198

7.6.2 实现在线品牌忠诚度的界定198

7.7 本章小结202

8总结与展望204

参考文献207