数据挖掘建模过程及python处理实例研究

下面是小编为大家整理的数据挖掘建模过程及python处理实例研究,供大家参考。

龙源期刊网 http://www.wendangku.net/doc/7d2a5bbdf011f18583d049649b6648d7c0c7084c.html

数据挖掘建模过程及python处理实例研究作者：杨烨铭

来源：《信息技术时代·下旬刊》2018年第04期

摘要：目前，在我国电信行业存在大量业务数据，利用这些数据进一步拓宽通信业务，已经成为各个通信单位的当务之急。近几年迅速崛起的数据挖掘技术可以深入分析客户信息、客户价值和行为，从而使营销具有洞察力、精确化，并通过从数据中挖掘价值来减少营销成本、提高营销效益。本文以通信行业为例，利用python编程对其数据进行挖掘，并详细介绍了数

据挖掘过程，从而促进通信业务发展，为通信业提供决策支持服务。

关键词：数据挖掘；通信业务数据；python处理

引言

随着中国通信市场的竞争日趋激烈，通信运营商的经营理念已逐步从“技术质量第一”转变为“服务客户至上”。以前的营销模式无法满足客户的多样化，层次化和个性化需求。长期以来，通信单元的大量详细业务数据已经简单地应用于各种业务系统，并且还没有得到更有效的开发和利用。

1 数据挖掘模型

本文的数据挖掘示例使用呼叫行为，数据服务使用等作为客户分类变量，并将具有相似通信行为的人员分组到一个组中。数据挖掘方法论选用CRISP-DM（Cross-Industry Process for Data Mining）过程模型，即交叉行业数据挖掘过程标准。它从数据挖掘技术应用的角度划分挖掘任务，并将数据挖掘技术与实际应用紧密结合。这里，为了简化说明，我们不考虑循环的探索和调整过程，并直接按顺序检查每个链接，通过问卷调查和访谈实现客户的消费行为和需求。

1.1 数据准备

数据准备过程如下：

（1）确定项目目标，制定挖掘计划。

（2）分析变量的获取。

（3）数据收集和获取。

（4）数据集成。