基于分类算法的定制家具客户需求信息处理

摘要

为实现定制家具企业客户需求快速响应，利用机器学习算法(贝叶斯分类、随机森林分类及决策树算法)对定制家具客户订单进行分类实验。选取M企业4 852个客户订单，通过客户订单信息划分属性变量及标签变量对客户信息进行编码；并通过准确率、精确率、召回率及F1分数值对客户需求数据进行评价，实验结果：在客户需求信息分类二分类数据集中，贝叶斯分类准确率、精准率及召回率3个性能指标分别比随机森林分类高17.54,34.60和35.45个百分点，比决策树算法高4.67,9.02和15.67个百分点；在客户需求信息分类多分类数据集中，贝叶斯分类的准确率、精准率、召回率及F1分数分别为89.4%,82.2%,93.1%和86.4%,综合4项评价指标比其他两种分类法更优；在二分类及多分类中贝叶斯分类的综合性能更优。据此，本研究提出一种基于贝叶斯分类算法的定制家具客户需求信息分类方法，为定制家具客户需求响应平台设计提供理论支持。

关键词

定制家具 / 客户需求信息处理 / 分类算法 / 数据挖掘 / 评价指标