文档介绍：精品范文模板可修改删除
免责声明：图文来源于网络搜集，版权归原作者所以
若侵犯了您的合法权益，请作者与本上传人联系，我们将及时更正删除。
撰写人：___________日期：___________
库存管理和定价策略，这对于收益管理和客户价值的提升有着重要作用。
特征工程
下面我将用图表的形式，向大家展示一下我们数据分析的整个过程。
首先，筛选一批从14年一月起就有历史数据的商家，以此为基础，分析每个月份占全年的比重，为剔出整体增长趋势的影响，我们采用了以下的方法。
精品范文模板可修改删除

免责声明：图文来源于网络搜集，版权归原作者所以
若侵犯了您的合法权益，请作者与本上传人联系，我们将及时更正删除。
可以看出总体每个月趋势变化如下图所示：
通过对地区进行分析，发现district_id1 %，且district_id1、district_id2、district_id3、district_id4 依次属于从属关系，所以做出以下推断：district_id1是国家代码，district_id2是省级代码，district_id3是市级代码，district_id4是县级代码。 
并且为了更加细致分析商家历史趋势变换趋势，同时又不过多的加入噪声，我们对市级区域内的商家做了聚类分析。对于同一个市内商家个数多于16个的，归为一类，对于同一个市内商家个数少于16个的，按省份进行归类，对于国外的商家按同一地区进行归类，对于都不属于以上几种情况的商家，按照坐标地址归属到最邻近的地区。对每个商家进行区域分类之后，利用分析总体每月趋势变化的方法，对每个区域内进行单独的分析，提取出每个区域的历史变化趋势。
精品范文模板可修改删除

免责声明：图文来源于网络搜集，版权归原作者所以
若侵犯了您的合法权益，请作者与本上传人联系，我们将及时更正删除。
解决框架
下面就是第二个核心部分——模型。
如何学****好关于月份的变化趋势是本题的一个重点难点，为了更好的学****每个月份的趋势，我们设计一个分12个月去单独预测每个月份这样的一个模型。
我们的模型能够保证足够多数据量的情况下，由为每个月份提供了更加合适的训练集，起到了放大某个月份特征的作用。但与此同时增加模型的训练成本和复杂度。 
精品范文模板可修改删除

免责声明：图文来源于网络搜集，版权归原作者所以
若侵犯了您的合法权益，请作者与本上传人联系，我们将及时更正删除。
在分析数据时发现有500多家商店在2015年11月份之前并没有历史销量，一个很明的原因是，在此之前，这些商家并没有与携程进行合作，然而又需要预测，说明在截止2017年一月这4000商家全部都与携程进行了合作，在不加其他条件下，这个合作日期应该是分布在2015-11 到2017-01的一个均匀分布，而模型并不能学****到该先验知识。因此我要对空值部分预测出来的14个月乘以了一个等差数列，使空值部分未来14个近似服从一个等差数列的分布。 
并且使预测月份变化整体变化趋势可控，我们以的最佳模型xgb预测值基础，统计了未来14个月的变化趋势，根据a榜线上得分结果进行微调取最佳值。在使用gbrt、rf、et预测时，按月调整相应月份的均值，使得其他模型分布也符合这个变化趋势。
算法评分
用均方误差（Root Mean Squared Error, RMSE）作为评判标准，获奖队伍需超过基准指标（RMSE基准值为166），多模型组合的上限为28个
最后我们组的得分
在上月结束的“出行产品未来14个月销量预测”比赛中，。
无监督算法模型聚类进行客户价值分析参考
利用KMeans聚类进行航空公司客户价值分析
准确的客户分类的结果是企业优化营销资源的重要依据，本文利用了航空公司的部分数据，利用Kmeans聚类方法，对航空公司的客户进行了分类，来识别出不同的客户群体，从来发现有用的客户，从而对不同价值的客户类别提供个性化服务，指定相应的营销策略。
精品范文模板可修改删除

免责声明：图文来源于网络搜集，版权归原作者所以
若侵犯了您的合法权益，请作者与本上传人联系，我们将及时更正删除。
一、分析方法和过程
——>——>3。建模与应用
传统的识别客户价值应用最广泛的模型主要通过3个指标（最近消费时间间隔（Recency）、消费频率（Frequency）和消费金额（Monetary））来进行客户细