《表2 三种方法的比较结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《具有置信度的决策树在客户价值分类中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证本置信度的决策树在客户价值分类中的有效性能，采用硬件实验环境为:Pentium（R）4，CPU2.40GHZ，，2G内存，软件环境:Windows XP和Matlab6.5，使用表1的数据集，分别使用置信度的决策树、C4.5算法和基于粗糙集的决策树进行训练预测，其结果如表2所示，采用置信度的决策树模型对该数据集进行预测分析，树形结构最简单，产生的规则数目最少，其规则泛化能力最强，不会出现不可分的对象组，也就是所有对象都可分类预测，有效地避免了由噪声数据带来的过拟合问题。而采用C4.5算法和基于粗糙集的决策树对该数据进行分析预测，获得的决策树相当复杂，产生的规则数目相对多，并且都或多或少存在不可预测的对象组。例如，在图2中，符合所获利润=“40”，并且购买频率=“4～8”的记录这些客户到底是低价值客户还是高价值客户呢?确定不了。