[发明专利]大数据精准营销模型的构建方法及装置

摘要

本发明公开了一种大数据精准营销模型的构建方法及装置，方法包括：读取建模数据样本文件；按照设定的比例将建模数据样本划分为训练样本和测试样本；进行缺失值补全；对连续型的影响变量做离散化处理；计算各属性的信息熵，并对数据进行替换；固定建模数据样本文件的最后一列为目标变量，训练大数据精准营销模型；对模型进行测试，利用AUC值来判断模型的好坏；读取目标数据样本文件；对目标数据样本进行缺失值补全；对目标数据样本中连续型的影响变量做离散化替换；对离散型数据做离散化替换；计算每一个目标数据的概率值；输出概率列表。本发明的模型效果更加精准、中间不需要任何的人工操作、操作较为简便、非分析人员也能使用模型。

主权项

一种大数据精准营销模型的构建方法，其特征在于，包括如下步骤：A)读取建模数据样本文件并输入建模数据样本；所述建模数据样本文件包含影响变量和目标变量；B)按照设定的比例将所述建模数据样本划分为训练样本和测试样本；C)采取众数的方法对所述训练样本和测试样本进行缺失值补全；D)对所述训练样本中的连续型的影响变量做离散化处理；E)计算离散化处理后的每个影响变量中各属性的信息熵，并对缺失值补全后的数据进行替换，并存储替换规则；F)采用二元逻辑回归的方法固定所述建模数据样本文件的最后一列为目标变量，其他为自变量，利用所述训练样本训练所述大数据精准营销模型；G)利用所述测试样本对所述大数据精准营销模型进行测试，并输出测试结果，利用AUC值来判断所述大数据精准营销模型的好坏；H)读取目标数据样本文件并输入目标数据样本；所述目标数据样本文件包含影响变量；I)利用统计的方法对所述目标数据样本进行缺失值补全；J)对所述目标数据样本中连续型的影响变量按照所述建模数据样本的规则做离散化替换，替换成离散型数据；K)按照所述替换规则对所述离散型数据做离散化替换；L)计算所述目标数据样本中每一个目标数据的概率值；M)输出概率列表。