基于ID3算法的卷煙產(chǎn)品零售客戶分類研究

張偉豐

（湖北汽車工業(yè)學(xué)院 經(jīng)濟(jì)管理學(xué)院，湖北 十堰442002）

隨著計算機(jī)數(shù)據(jù)庫管理和MIS在煙草行業(yè)的廣泛應(yīng)用，數(shù)據(jù)庫中存儲了大量的行業(yè)數(shù)據(jù)，這些數(shù)據(jù)記錄中隱藏著潛在有用的重要信息，使用一定的數(shù)據(jù)挖掘技術(shù)找尋出這些信息和知識，可以為煙草公司制定營銷策略提供決策支持。目前，國家實(shí)行煙草專賣制度，每一地區(qū)的煙草公司實(shí)行統(tǒng)一的貨源采購與分配，然后由零售客戶進(jìn)行銷售。卷煙產(chǎn)品的銷售額和煙草公司的利潤取決于合理的采購與分配計劃，為此，需要對零售客戶進(jìn)行分類，針對不同的卷煙品種，將零售客戶劃分為某一個類別，進(jìn)行有針對性的貨源分配，從而提高銷售量。

要從這些數(shù)據(jù)中挖掘出具有實(shí)際意義的信息，選擇合適的數(shù)據(jù)挖掘算法至關(guān)重要，當(dāng)前運(yùn)用比較多的有基于關(guān)聯(lián)規(guī)則的APriori算法，基于智能計算的分類算法（如進(jìn)化計算、神經(jīng)網(wǎng)絡(luò)等），以及貝葉斯分類、決策樹分類算法等。在這種大數(shù)據(jù)量的情況下，APriori算法需要多趟掃描數(shù)據(jù)庫，運(yùn)行過程中生成大規(guī)模的候選集和頻繁集，有相當(dāng)大的計算量，而智能計算的分類方法具有較高的計算復(fù)雜性，計算搜索時間過長，挖掘結(jié)果往往也不可靠。ID3算法可以快速的對數(shù)據(jù)集進(jìn)行劃分而得出分類規(guī)則，數(shù)據(jù)量大的時候也具有很好的實(shí)時性，根據(jù)數(shù)據(jù)特點(diǎn)和要挖掘的目的，從實(shí)用的角度出發(fā)，本文應(yīng)用ID3算法來對煙草銷售系統(tǒng)中的客戶資料信息進(jìn)行分析，構(gòu)造客戶類別的分類器，得到分類規(guī)則，進(jìn)而以此為依據(jù)來改進(jìn)煙草公司現(xiàn)行的貨源采購和分配。

1 決策樹ID3算法概述

決策樹分類算法是運(yùn)用信息熵的理論，選擇當(dāng)前樣本集中具有最大信息增益值的屬性作為根節(jié)點(diǎn)，依據(jù)測試屬性的取值將樣本集劃分為幾個子樣本集，對每個子樣本集采用遞歸計算的方法重復(fù)前述過程繼續(xù)進(jìn)行劃分，直到無剩余屬性或者樣本屬于同一個類時結(jié)束，從而生成一棵決策樹。

1.1 基本概念

ID3算法采用信息論中的概念，用信息增益作為屬性分類能力的度量，進(jìn)行屬性節(jié)點(diǎn)的選擇，熵表示樣本集的純度。

設(shè)S是n個數(shù)據(jù)樣本的集合，將樣本劃分為c個不同的類，每個類含樣本數(shù)ni，S劃分為c個類的信息熵按式（1）計算：

假設(shè)以屬性X作為決策樹的根節(jié)點(diǎn)，屬性X具有m個不同取值，將S劃分為m個子集{S1，S2，…，Sm}，根據(jù)屬性X劃分成的子集熵按式（2）計算：

熵值越小，子集劃分的純度越高，根據(jù)屬性X劃分的信息增益按式（3）計算：

其它屬性信息增益計算過程同理。

1.2 基本步驟和算法描述

ID3算法的核心是構(gòu)造精度高、規(guī)模小的決策樹，主要分為2個步驟：決策樹的生成，即由訓(xùn)練樣本集生成一棵決策樹；決策樹的剪枝，即對上一過程生成的決策樹進(jìn)行檢驗(yàn)和校正，剪除影響預(yù)測準(zhǔn)確性的分支。定義 ID3 算法 ID3（TreeNode，data)，具體過程描述如下：

1）對于訓(xùn)練樣本集data，根據(jù)決策屬性取值，按式（1）計算 E（S）。

2）對各條件屬性Xk，根據(jù)其屬性取值，按式（2）計算 E（Xk，S）。

3）對各條件屬性Xk，按式（3）計算按各條件屬性取值劃分的信息增益Gain（Xk，S），選擇信息增益最大的屬性Xmax作為節(jié)點(diǎn)TreeNode。

4）按屬性Xmax取值將樣本集劃分為子集｛data1，data2，…，datam｝，對每個子集 datai按式（1）計算 E（Si），如果 E（Si）等于 0，則此屬性取值分支為葉節(jié)點(diǎn)，否則遞歸調(diào)用 ID3（TreeNode，datai），繼續(xù)生成決策樹分支。

5）當(dāng)所有子集劃分完時生成了一棵決策樹（TreeNode集合），按一定規(guī)則剪枝后，沿著樹路徑讀取分類規(guī)則。

2 ID3算法在卷煙產(chǎn)品零售客戶分類上的應(yīng)用

將ID3算法用于零售客戶分類挖掘，需要建立訓(xùn)練樣本數(shù)據(jù)，本文以煙草銷售系統(tǒng)中的零售客戶數(shù)據(jù)和銷售歷史數(shù)據(jù)為基礎(chǔ)，經(jīng)過一定的計算處理后轉(zhuǎn)變成適于ID3算法處理的數(shù)據(jù)形式，然后用ID3算法構(gòu)造一個分類器，得出具有一定意義的零售客戶分類信息。

2.1 數(shù)據(jù)選擇和預(yù)處理

根據(jù)數(shù)據(jù)挖掘的目的，對數(shù)據(jù)庫基本表中的數(shù)據(jù)進(jìn)行一定的選擇、清理和轉(zhuǎn)換，進(jìn)行挖掘所需數(shù)據(jù)從3個數(shù)據(jù)表中獲?。?/p>

1）煙草產(chǎn)品零售客戶基本信息表 用于公司所屬的各個地區(qū)零售客戶的基本信息，數(shù)據(jù)表主要字段如表1所示。

表1 客戶信息表

2）零售客戶訂單表 用于存儲公司所有訂單信息，訂單信息由零售客戶通過煙草銷售系統(tǒng)下訂單生成，操作過程如下：首先選擇所要訂購的卷煙產(chǎn)品，生成訂購產(chǎn)品列表，然后輸入各產(chǎn)品訂購數(shù)量，確認(rèn)后系統(tǒng)自動生成此客戶的訂單。存儲訂單信息的數(shù)據(jù)表主要字段如表2～3所示。

表2 客戶訂單基本信息表

表3 客戶訂單訂購產(chǎn)品信息表

表2存儲訂單基本信息，表3存儲各個訂單內(nèi)包含的產(chǎn)品詳細(xì)信息，2個表通過訂單號關(guān)聯(lián)，系統(tǒng)運(yùn)行過程中這2個表會積累下大量數(shù)據(jù)，對訂單金額運(yùn)用如下的算法進(jìn)行預(yù)處理（數(shù)據(jù)離散化）：

a.對某一種卷煙產(chǎn)品，查詢訂單表，統(tǒng)計出所有訂購此產(chǎn)品的零售客戶；

b.對于某一零售客戶，根據(jù)客戶名和產(chǎn)品名在訂單表中統(tǒng)計出銷售這種產(chǎn)品的總訂單金額；

c.所有零售客戶對于此產(chǎn)品的總訂單金額統(tǒng)計出來后，按金額大小劃分為5個類別，即｛高，較高，中等，較小，?。?，然后對某一零售客戶根據(jù)其訂單金額大小歸入某一訂單金額類別。

銷售品種處理方式如下：對于某一零售客戶，在訂單表中查詢出所有訂購的產(chǎn)品種類。根據(jù)產(chǎn)品種類在高中低檔煙草產(chǎn)品中所占的比例歸入｛高檔為主，高低搭配，低檔為主｝中的某個類別。銷售區(qū)域根據(jù)零售客戶詳細(xì)地址劃分為｛市內(nèi)，市郊，農(nóng)村地區(qū)｝。其它屬性及取值來自于客戶信息表。

通過對上述3個基本表進(jìn)行數(shù)據(jù)抽取和轉(zhuǎn)換，得到數(shù)據(jù)格式如表4所示。

2.2 用ID3算法對零售客戶進(jìn)行分類挖掘

本文是針對某一產(chǎn)品的客戶分類，對于不同的產(chǎn)品，同一客戶可能具有不同的類別，要挖掘出公司零售客戶對于各種產(chǎn)品的分類信息，需要針對每一種產(chǎn)品進(jìn)行數(shù)據(jù)的準(zhǔn)備和挖掘，對不同的產(chǎn)品而言會有不同的客戶分類結(jié)果。以“黃鶴樓（秋·品道硬）”這類比較高檔的卷煙產(chǎn)品為例，運(yùn)用ID3算法進(jìn)行客戶分類挖掘。首先針對這種產(chǎn)品進(jìn)行數(shù)據(jù)準(zhǔn)備：抽取近一段時間內(nèi)的歷史數(shù)據(jù)，按上述過程進(jìn)行數(shù)據(jù)預(yù)處理，得到訓(xùn)練數(shù)據(jù)樣本集；然后用ID3算法構(gòu)建分類器，得出分類規(guī)則。算法需要輸入訓(xùn)練數(shù)據(jù)樣本；算法輸出決策樹、分類規(guī)則。訓(xùn)練數(shù)據(jù)由系統(tǒng)根據(jù)數(shù)據(jù)庫中的客戶基礎(chǔ)數(shù)據(jù)和訂單數(shù)據(jù)自動轉(zhuǎn)換生成作為算法的輸入項，決策樹構(gòu)造完成后進(jìn)行剪枝處理，以獲取有價值的分類規(guī)則。本文以規(guī)則支持度（支持此規(guī)則的數(shù)據(jù)在樣本數(shù)據(jù)中占的比例）作為剪枝條件，分類規(guī)則按決策樹路徑讀取，轉(zhuǎn)換為“if then”格式，得到挖掘結(jié)果如圖1所示。

表4 轉(zhuǎn)換后的零售客戶信息表

在完成分類器構(gòu)造后，選擇合適規(guī)則支持度對決策樹進(jìn)行修剪，需要反復(fù)調(diào)整參數(shù)以達(dá)到需要的挖掘結(jié)果。對于這種產(chǎn)品，有8124個零售客戶在銷售，選擇支持度為0.02，從上面分類挖掘結(jié)果可得到這樣的信息，對于銷售“黃鶴樓（秋·品道硬）”產(chǎn)品的零售客戶，訂單金額高和銷售區(qū)域在市內(nèi)的客戶是此產(chǎn)品的重要客戶。而對于其它產(chǎn)品，則可能挖掘出另外不同的信息，如對于某類低檔煙，銷售區(qū)域在農(nóng)村地區(qū)的客戶可能是該產(chǎn)品的重要客戶。

3 結(jié)語

將ID3算法用在煙草產(chǎn)品零售客戶分類的挖掘中，充分利用現(xiàn)有的歷史數(shù)據(jù)，挖掘出有用的知識來指導(dǎo)公司的經(jīng)營決策。本文主要分析了煙草產(chǎn)品零售客戶的分類，對不同的產(chǎn)品，將客戶劃入某一個類別，利用ID3算法發(fā)掘出針對于各類產(chǎn)品的重要客戶，有針對性的進(jìn)行貨源的采購和分配，達(dá)到了庫存最小、利潤最大化的目的。

［1］魯釗，陳世平.基于ID3算法的機(jī)械制造業(yè)決策應(yīng)用［J］.計算機(jī)應(yīng)用，2011，31（11）:3087－3090.

［2］ 劉澤，潘暉.基于ID3算法汽車變速箱故障診斷系統(tǒng)［J］.長春工業(yè)大學(xué)學(xué)報：自然科學(xué)版，2011，32（6）:534－537.

［3］ 段汝嬌，趙偉，等.基于模糊ID3決策樹的快速角點(diǎn)檢測算法［J］.清華大學(xué)學(xué)報：自然科學(xué)版，2011，51（12）:1787－1791.

［4］ 王小巍，蔣玉明.決策樹ID3算法的分析與改進(jìn)［J］.計算機(jī)工程與設(shè)計，2011，32（9）:3069－3076.

［5］ 盛俊.決策樹ID3算法的改進(jìn)及其應(yīng)用 ［J］.揚(yáng)州職業(yè)大學(xué)學(xué)報，2012，15（4）:34－36.

［6］ 張琳，陳燕，等.決策樹分類算法研究［J］.計算機(jī)工程，2011，37（13）:66－70.