一种基于改进最近邻算法的忠诚度预测方法

• 作者: 戚湧 朱虹 李千目
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 数据挖掘 分类 聚类 回归 K最近邻算法 贝叶斯算法 忠诚度预测
• 年，卷（期）: 2017,（4）
• 页码范围: 448-453
• 页数: 6页
• 分类号: TP391
• 字数: 4062字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2017.41.04.008

摘要

为了提高忠诚度预测的准确度和效率,该文将K最近邻(K nearest neighbor,KNN)算法和贝叶斯算法相结合作为分类预测策略,提出一种基于改进最近邻算法的忠诚度预测方法.该方法先将高忠诚客户和低忠诚客户当作同一忠诚度类别,即同属于忠诚客户类别,利用贝叶斯算法对数据集进行初步分类,获得非忠诚客户和忠诚客户,再将忠诚客户作为下一步KNN算法的测试数据,对其做进一步分类,得到高忠诚客户、低忠诚客户和非忠诚客户.实验结果表明,该方法不仅能够降低K值即选择多少个邻居对最近邻算法的影响,减少其内存开销,而且能够有效缩短忠诚度分类的时间以及提高忠诚度分类的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李千目	南京理工大学计算机科学与工程学院	169	1365	19.0	28.0
2	戚湧	南京理工大学计算机科学与工程学院	134	1347	20.0	31.0
3	朱虹	南京理工大学计算机科学与工程学院	3	10	3.0	3.0