基于决策表的数据挖掘建模方法研究

杜松江，张继成

(长江大学工程技术学院，湖北荆州434023)



基于决策表的数据挖掘建模方法研究

杜松江，张继成

(长江大学工程技术学院，湖北荆州434023)

摘要：挖掘模型的建立与评价是数据挖掘的核心部分。介绍了数据挖掘中的决策表算法，再以某商业银行CRM系统为例，选取银行营销活动历史数据为对象，并详述了通过Clementine数据挖掘软件建立银行客户响应预测模型的方法。

关键词：决策列表；Clementine；预测模型；响应率

在Clementine数据挖掘系统中，节点和数据流的理解非常重要。节点代表了系统即将对数据进行的操作。通过很多的节点来执行数据的整个过程称为一个数据流，数据流的方向通过节点之间的联系得到。数据流的过程是挖掘过程中需要重点关注的问题。

以某商业银行为例，该银行举办一系列金融产品的促销活动,不同客户对此类活动的响应可能不同,比如性别、年龄、家庭和收入等因素会对此类产品的购买力产生不同程度的影响[1]。通常，可以选择神经网络、决策表和决策树C5.0等算法建立预测模型来预测各因素对此类促销活动的响应程度。

本文阐述了如何在Clementine数据挖掘软件中使用决策列表建立客户响应预测模型。

1决策表

决策表(decision table)又称判断表，经常用于描述有多种决策方案、处理判断条件很多、条件彼此结合的情况。在一些数据处理问题当中，针对不同逻辑条件的组合值，分别执行不同的操作，决策表非常适合于处理这类问题。

决策表由四部分组成：①“基本条件”列出所有可能的变量、关系或预测。……