全文链接：http://tecdat.cn/?p=30330

最近咱们被客户要求撰写对于RFM、决策树模型的钻研报告，包含一些图形和统计输入。

团队须要剖析一个来自在线零售商的数据

该数据蕴含了78周的购买历史。该数据文件中的每条记录包含四个字段。客户的ID（从1到2357不等），交易日期，购买的书籍数量，以及价值。咱们被要求建设一个模型来预测消费者每周的购买频率、书籍的购买单位和购买价值。

RFM模型

RFM是一个用于营销剖析的模型，它通过购买模式或习惯来细分公司的消费者群体。特地是，它评估了客户的回顾性（他们多久前进行过一次购买）、频率（他们购买的频率）和价值（他们花多少钱）。

而后，通过测量和剖析生产习惯，RFM被用来辨认一个公司或组织的最佳客户，以改善低分客户并放弃高分客户。

要害要点

经常性、频率、价值（RFM）是一种营销剖析工具，用于依据客户生产习惯的性质来确定公司的最佳客户。一个RFM剖析通过对客户和顾客的三个类别进行打分来评估他们：他们最近有多大的购买行为，他们购买的频率，以及他们购买的规模。RFM模型为这三个类别中的每一个客户打出1-5分（从最差到最好）的分数。RFM剖析帮忙企业正当地预测哪些客户有可能再次购买他们的产品，有多少支出来自于新客户（绝对于老客户），以及如何将偶然购买的买家变成习惯购买的买家。

####计算用户最近一次的购买R_table$R <- as.numeric(NOW - ParsedDate)###计算用户的购买频率aggregate(FUN=length) # Calculate F###计算用户的购买金额aggregate(FUN=sum) # Calculate M

失去每个用户的RFM值，利用RFM三个值的四分位数来对用户进行分类

多元线性回归模型

查看回归模型后果

失去对r值的线性拟合模型的后果，能够看到RFM三个分类值都与r值有显著的关系，Rsquare值达到了0.8以上，阐明拟合成果较好。

失去对r值的线性拟合模型的后果，能够看到RFM三个分类值都与f值有显著的关系，Rsquare值达到早0.4左右，阐明拟合成果个别。

失去对r值的线性拟合模型的后果，能够看到出了M分类值以外，FM的分类值都与f值有显著的关系，Rsquare值达到了0.4左右，阐明拟合成果个别。

点击题目查阅往期内容

数据分享|R语言用主成分PCA、 逻辑回归、决策树、随机森林剖析心脏病数据并高维可视化

左右滑动查看更多

01

02

03

04

对测试集做预测

线性回归模型预测值和拟合值比拟

预测拟合值的图中，红点示意理论样本点，能够看到F和M值的预测绝对靠近理论样本点，预测成果较好。然而，误差依然比拟大，因而尝试采纳决策树模型进行预测。

决策树模型预测

ct <- rpart.control(xval=10, minsplit=20, cp=0.1)

绘制决策树

rpart.plot(fitR, branch=1, branch.type=2, type=1,            border.col="blue", split.col="red",

 

从后果图来看，决策树对f值和m值的拟合水平更好。

从三个模型的后果里来看，rel error和xerror都较小，因而模型预测拟合成果较好。

因而，模型的整体成果绝对线性模型失去了晋升。

点击文末 “浏览原文”

获取全文残缺代码数据资料。

本文选自《R语言用RFM、决策树模型顾客购书行为的数据预测》。

点击题目查阅往期内容

数据分享|Python决策树、随机森林、奢侈贝叶斯、KNN（K-最近街坊）分类剖析银行拉新流动开掘潜在贷款客户
PYTHON银行机器学习:回归、随机森林、KNN近邻、决策树、高斯奢侈贝叶斯、反对向量机SVM剖析营销流动数据|数据分享
用PyTorch机器学习神经网络分类预测银行客户散失模型
R语言用FNN-LSTM假近邻长短期记忆人工神经网络模型进行工夫序列深度学习预测4个案例
Python中TensorFlow的长短期记忆神经网络(LSTM)、指数挪动平均法预测股票市场和可视化
R语言KERAS用RNN、双向RNNS递归神经网络、LSTM剖析预测温度工夫序列、 IMDB电影评分情感
Python用Keras神经网络序列模型回归拟合预测、准确度检查和后果可视化
Python用LSTM长短期记忆神经网络对不稳固降雨量工夫序列进行预测剖析
R语言中的神经网络预测工夫序列：多层感知器（MLP）和极限学习机（ELM）数据分析报告
R语言深度学习：用keras神经网络回归模型预测工夫序列数据
Matlab用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类
R语言KERAS深度学习CNN卷积神经网络分类辨认手写数字图像数据（MNIST）
MATLAB中用BP神经网络预测人体脂肪百分比数据
Python中用PyTorch机器学习神经网络分类预测银行客户散失模型
R语言实现CNN（卷积神经网络）模型进行回归数据分析Python应用神经网络进行简略文本分类
R语言用神经网络改良Nelson-Siegel模型拟合收益率曲线剖析
R语言基于递归神经网络RNN的温度工夫序列预测
R语言神经网络模型预测车辆数量工夫序列
R语言中的BP神经网络模型剖析学生问题
matlab应用长短期记忆（LSTM）神经网络对序列数据进行分类
R语言实现拟合神经网络预测和后果可视化
用R语言实现神经网络预测股票实例
应用PYTHON中KERAS的LSTM递归神经网络进行工夫序列预测
python用于NLP的seq2seq模型实例:用Keras实现神经网络机器翻译
用于NLP的Python：应用Keras的多标签文本LSTM神经网络分类