基于代價敏感決策樹的客戶價值細分

作者：鄒鵬,莫佳卉,江亦華,葉強

摘要：由于錯誤分類代價差異和不同價值客戶數量的不平衡分布。基于總體準確率的數據挖掘方法不能體現由于客戶價值不同對分類效果帶來的影響。為了解決錯誤分類不平衡的數據分類問題，利用代價敏感學習技術擴展現有決策樹模型，將這一方法應用在客戶價值細分，建立基于客戶價值的錯分代價矩陣，以分類代價最小化作為決策樹分支的標準，建立分類的期望損失函數作為分類效果的評價標準，采用中國某銀行的信用卡客戶數據進行實驗。實驗結果表明，與傳統決策樹方法相比，代價敏感決策樹對客戶價值細分問題有更好的分類效果，可以更精確地控制代價敏感性和不同種分類錯誤的分布，降低總體的錯誤分類代價。使模型能更準確反映分類的代價，有效識別客戶價值

發文機構：哈爾濱工業大學管理學院 德克薩斯大學達拉斯分校管理學院 加利福尼亞州立大學商學院

關鍵詞：代價敏感學習不對稱錯分代價決策樹客戶價值細分cost-sensitive learningasymmetric misclassification costdecision treecustomer-value based segmentation

分類號： F713.5[經濟管理—市場營銷][經濟管理—產業經濟]