摘要:在基于价值的客户细分中,不可避免地产生"拒真纳伪"的两类错误,由于错误分类代价差异和不同价值客户数量的不平衡分布,基于总体准确率的数据挖掘方法不能体现由于客户价值不同对分类效果带来的影响.本研究在代价敏感性学习机制下引入支持向量机作为分类工具,建立基于客户价值的错分代价函数,为适应客户价值多类别细分的要求,将二元分类扩展为多元分类,建立分类的期望损失函数作为分类效果的评价标准.实验结果说明,该方法可以更精确地控制代价敏感性和不同种分类错误的分布,降低总体的错误分类代价,使模型能更准确反映分类的代价,有效识别客户价值.