《表5 客户特征编码：基于客户特征的产品环境需求预测方法研究》
提示：宽带有限、当前游客访问压缩模式
为了对客户环境需求进行预测，将客户特征集合[年龄，消费等级，教育背景，消费习惯]作为BP神经网络的输入。将客户特征进行编码，以便被人工神经网络识别和计算，如表5所示。
| 图表编号 | XD00119848300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.01.08 |
| 作者 | 张雷、李璟、袁远、秦旭 |
| 绘制单位 | 合肥工业大学机械工程学院、合肥工业大学机械工程学院、合肥工业大学机械工程学院、合肥工业大学机械工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 影像光谱特征详情：基于数据挖掘的客户细分模型研究及应用》2021.01.16
- 《表5 产品属性的权重：基于客户需求的个性化相册印制路径的优化》2020.04.10
- 《表9 未来数据验证结果：基于多尺度特征提取的电力客户欠费风险预测》2020.03.28
- 《表7 验证数据预测结果：基于多尺度特征提取的电力客户欠费风险预测》2020.03.28
- 《表6 模型参数计算结果：基于多尺度特征提取的电力客户欠费风险预测》2020.03.28
- 《表5 逻辑回归参数设置：基于多尺度特征提取的电力客户欠费风险预测》2020.03.28
- 《表8 模型评价结果：基于多尺度特征提取的电力客户欠费风险预测》2020.03.28
- 《表4 特征选择：基于多尺度特征提取的电力客户欠费风险预测》2020.03.28
- 《表4 客户细分群体特征：居民客户电费回收风险的预测研究——基于随机森林算法》2019.12.20
- 《表4 客户环境需求编码：基于客户特征的产品环境需求预测方法研究》2020.01.08
- 《表1 客户对产品的需求：不确定环境下的鲁棒多产品、多周期供应链网络设计模型》2019.10.01
- 《表2 客户信息特征情况：基于电力大数据的用户用电感知研究》2019.10.21
- 《表2 特征选择结果：加油卡客户流失分析和预测——基于“跨行业数据挖掘标准流程”》2019.10.25
- 《表2 特征选择结果：加油卡客户流失分析和预测——基于“跨行业数据挖掘标准流程”》2019.10.25
- 《表2 特征量化准则表：基于客户需求的产品平台设计研究》2019.05.08
- 《表1 客户需求信息表：基于客户需求的产品平台设计研究》2019.05.08
- 《表4 聚类结果：基于客户需求的产品平台设计研究》2019.05.08
- 《表3 分类矩阵：融入客户价值特征和情感特征的网络客户流失预测研究》2018.03.01
- 《表2 核函数：融入客户价值特征和情感特征的网络客户流失预测研究》2018.03.01
- 《表5 客户对产品需求因素的权重》