本發(fā)明涉及大數(shù)據(jù)營銷模型領(lǐng)域，特別涉及一種大數(shù)據(jù)精準(zhǔn)營銷模型的構(gòu)建方法及裝置。

背景技術(shù)：

傳統(tǒng)的精準(zhǔn)營銷模型有很多，不同的模型和不同的數(shù)據(jù)處理手段都會(huì)導(dǎo)致模型的準(zhǔn)確率不同，但是傳統(tǒng)的精準(zhǔn)營銷模型中有一個(gè)通病，就是缺乏步驟之間的連接線，往往需要在中間步驟加入人工的操作，其操作較為復(fù)雜，另外，還需要每一個(gè)用戶都要有數(shù)據(jù)分析的能力，當(dāng)不具有數(shù)據(jù)分析能力的用戶想要對(duì)傳統(tǒng)的精準(zhǔn)營銷模型進(jìn)行操作時(shí)，其面臨的問題是不能進(jìn)行操作。傳統(tǒng)的精準(zhǔn)影響模型只能針對(duì)特定的人群(即有數(shù)據(jù)分析能力的用戶)才能進(jìn)行操作，非分析人員不便于對(duì)傳統(tǒng)的精準(zhǔn)營銷模型進(jìn)行操作，其使用范圍受限。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題在于，針對(duì)現(xiàn)有技術(shù)的上述缺陷，提供一種模型效果更加精準(zhǔn)、中間不需要任何的人工操作、操作較為簡便、非分析人員也能使用模型的大數(shù)據(jù)精準(zhǔn)營銷模型的構(gòu)建方法及裝置。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：構(gòu)造一種大數(shù)據(jù)精準(zhǔn)營銷模型的構(gòu)建方法，包括如下步驟：

A)讀取建模數(shù)據(jù)樣本文件并輸入建模數(shù)據(jù)樣本；所述建模數(shù)據(jù)樣本文件包含影響變量和目標(biāo)變量；

B)按照設(shè)定的比例將所述建模數(shù)據(jù)樣本劃分為訓(xùn)練樣本和測試樣本；

C)采取眾數(shù)的方法對(duì)所述訓(xùn)練樣本和測試樣本進(jìn)行缺失值補(bǔ)全；

D)對(duì)所述訓(xùn)練樣本中的連續(xù)型的影響變量做離散化處理；

E)計(jì)算離散化處理后的每個(gè)影響變量中各屬性的信息熵，并對(duì)缺失值補(bǔ)全后的數(shù)據(jù)進(jìn)行替換，并存儲(chǔ)替換規(guī)則；

F)采用二元邏輯回歸的方法固定所述建模數(shù)據(jù)樣本文件的最后一列為目標(biāo)變量，其他為自變量，利用所述訓(xùn)練樣本訓(xùn)練所述大數(shù)據(jù)精準(zhǔn)營銷模型；

G)利用所述測試樣本對(duì)所述大數(shù)據(jù)精準(zhǔn)營銷模型進(jìn)行測試，并輸出測試結(jié)果，利用AUC(Area Under roc Curve，曲線下面積)值來判斷所述大數(shù)據(jù)精準(zhǔn)營銷模型的好壞；

H)讀取目標(biāo)數(shù)據(jù)樣本文件并輸入目標(biāo)數(shù)據(jù)樣本；所述目標(biāo)數(shù)據(jù)樣本文件包含影響變量；

I)利用統(tǒng)計(jì)的方法對(duì)所述目標(biāo)數(shù)據(jù)樣本進(jìn)行缺失值補(bǔ)全；

J)對(duì)所述目標(biāo)數(shù)據(jù)樣本中連續(xù)型的影響變量按照所述建模數(shù)據(jù)樣本的規(guī)則做離散化替換，替換成離散型數(shù)據(jù)；

K)按照所述替換規(guī)則對(duì)所述離散型數(shù)據(jù)做離散化替換；

L)計(jì)算所述目標(biāo)數(shù)據(jù)樣本中每一個(gè)目標(biāo)數(shù)據(jù)的概率值；

M)輸出概率列表。

在本發(fā)明所述的大數(shù)據(jù)精準(zhǔn)營銷模型的構(gòu)建方法中，所述步驟A)進(jìn)一步包括：

A1)讀取建模數(shù)據(jù)樣本文件，并判斷是否找到所述建模數(shù)據(jù)樣本文件，如是，執(zhí)行步驟A2)；否則，退出；

A2)校驗(yàn)寫入的所述建模數(shù)據(jù)樣本是否具有所述目標(biāo)變量且所述目標(biāo)變量為二元變量，如是，執(zhí)行步驟B)；否則，報(bào)錯(cuò)后返回步驟A1)。

在本發(fā)明所述的大數(shù)據(jù)精準(zhǔn)營銷模型的構(gòu)建方法中，所述步驟H)進(jìn)一步包括：

H1)讀取所述目標(biāo)數(shù)據(jù)樣本文件，并判斷是否找到所述建模數(shù)據(jù)樣本文件，如是，執(zhí)行步驟H2)；否則，退出；

H2)校驗(yàn)所述目標(biāo)數(shù)據(jù)樣本文件中的字段與所述建模數(shù)據(jù)樣本是否一致，如是，執(zhí)行步驟I)；否則，報(bào)錯(cuò)后返回步驟H1)。

在本發(fā)明所述的大數(shù)據(jù)精準(zhǔn)營銷模型的構(gòu)建方法中，所述設(shè)定的比例為7:3。

在本發(fā)明所述的大數(shù)據(jù)精準(zhǔn)營銷模型的構(gòu)建方法中，當(dāng)所述AUC值小于0.6時(shí)，確定所述大數(shù)據(jù)精準(zhǔn)營銷模型的測試結(jié)果不好。

本發(fā)明還涉及一種實(shí)現(xiàn)上述大數(shù)據(jù)精準(zhǔn)營銷模型的構(gòu)建方法的裝置，包括：

建模數(shù)據(jù)樣本輸入單元：用于讀取建模數(shù)據(jù)樣本文件并輸入建模數(shù)據(jù)樣本；所述建模數(shù)據(jù)樣本文件包含影響變量和目標(biāo)變量；

樣本劃分單元：用于按照設(shè)定的比例將所述建模數(shù)據(jù)樣本劃分為訓(xùn)練樣本和測試樣本；

樣本缺失值補(bǔ)全單元：用于采取眾數(shù)的方法對(duì)所述訓(xùn)練樣本和測試樣本進(jìn)行缺失值補(bǔ)全；

離散處理單元：用于對(duì)所述訓(xùn)練樣本中的連續(xù)型的影響變量做離散化處理；

信息熵計(jì)算替換單元：用于計(jì)算離散化處理后的每個(gè)影響變量中各屬性的信息熵，并對(duì)缺失值補(bǔ)全后的數(shù)據(jù)進(jìn)行替換，并存儲(chǔ)替換規(guī)則；

模型訓(xùn)練單元：用于采用二元邏輯回歸的方法固定所述建模數(shù)據(jù)樣本文件的最后一列為目標(biāo)變量，其他為自變量，利用所述訓(xùn)練樣本訓(xùn)練所述大數(shù)據(jù)精準(zhǔn)營銷模型；

測試單元：用于利用所述測試樣本對(duì)所述大數(shù)據(jù)精準(zhǔn)營銷模型進(jìn)行測試，并輸出測試結(jié)果，利用AUC值來判斷所述大數(shù)據(jù)精準(zhǔn)營銷模型的好壞；

目標(biāo)數(shù)據(jù)樣本輸入單元：用于讀取目標(biāo)數(shù)據(jù)樣本文件并輸入目標(biāo)數(shù)據(jù)樣本；所述目標(biāo)數(shù)據(jù)樣本文件包含影響變量；

目標(biāo)數(shù)據(jù)補(bǔ)全單元：用于利用統(tǒng)計(jì)的方法對(duì)所述目標(biāo)數(shù)據(jù)樣本進(jìn)行缺失值補(bǔ)全；

離散化替換單元：對(duì)所述目標(biāo)數(shù)據(jù)樣本中連續(xù)型的影響變量按照所述建模數(shù)據(jù)樣本的規(guī)則做離散化替換，替換成離散型數(shù)據(jù)；

信息熵替換單元：用于按照所述替換規(guī)則對(duì)所述離散型數(shù)據(jù)做離散化替換；

概率計(jì)算單元：用于計(jì)算所述目標(biāo)數(shù)據(jù)樣本中每一個(gè)目標(biāo)數(shù)據(jù)的概率值；

結(jié)果輸出單元：用于輸出概率列表。

在本發(fā)明所述的裝置中，所述建模數(shù)據(jù)樣本輸入單元進(jìn)一步包括：

建模數(shù)據(jù)樣本文件讀取判斷模塊：用于讀取建模數(shù)據(jù)樣本文件，并判斷是否找到所述建模數(shù)據(jù)樣本文件，如是，進(jìn)入建模數(shù)據(jù)樣本校驗(yàn)?zāi)K；否則，退出；

建模數(shù)據(jù)樣本校驗(yàn)?zāi)K：用于校驗(yàn)寫入的所述建模數(shù)據(jù)樣本是否具有所述目標(biāo)變量且所述目標(biāo)變量為二元變量，如是，進(jìn)入所述樣本劃分單元；否則，報(bào)錯(cuò)后返回所述建模數(shù)據(jù)樣本文件讀取判斷模塊。

在本發(fā)明所述的裝置中，所述目標(biāo)數(shù)據(jù)樣本輸入單元進(jìn)一步包括：

目標(biāo)數(shù)據(jù)樣本文件讀取判斷模塊：用于讀取所述目標(biāo)數(shù)據(jù)樣本文件，并判斷是否找到所述建模數(shù)據(jù)樣本文件，如是，進(jìn)入樣本判斷模塊；否則，退出；

樣本判斷模塊：用于校驗(yàn)所述目標(biāo)數(shù)據(jù)樣本文件中的字段與所述建模數(shù)據(jù)樣本是否一致，如是，進(jìn)入目標(biāo)數(shù)據(jù)補(bǔ)全單元；否則，報(bào)錯(cuò)后返回所述目標(biāo)數(shù)據(jù)樣本文件讀取判斷模塊。

在本發(fā)明所述的裝置中，所述設(shè)定的比例為7:3。

在本發(fā)明所述的裝置中，當(dāng)所述AUC值小于0.6時(shí)，確定所述大數(shù)據(jù)精準(zhǔn)營銷模型的測試結(jié)果不好。

實(shí)施本發(fā)明的大數(shù)據(jù)精準(zhǔn)營銷模型的構(gòu)建方法及裝置，具有以下有益效果：由于采用信息熵技術(shù)，對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，即采取眾數(shù)的方法對(duì)訓(xùn)練樣本和測試樣本進(jìn)行缺失值補(bǔ)全，利用統(tǒng)計(jì)的方法對(duì)缺失值進(jìn)行補(bǔ)全，使得該大數(shù)據(jù)精準(zhǔn)營銷模型的效果更加精準(zhǔn)，并且對(duì)該大數(shù)據(jù)精準(zhǔn)營銷模型的整個(gè)流程進(jìn)行了封裝，加入了程序自動(dòng)化的思想，中間不需要任何的人工操作，既使是非分析人員也能使用模型；所以其模型效果更加精準(zhǔn)、中間不需要任何的人工操作、操作較為簡便、非分析人員也能使用模型。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明大數(shù)據(jù)精準(zhǔn)營銷模型的構(gòu)建方法及裝置一個(gè)實(shí)施例中方法的流程圖；

圖2為所述實(shí)施例中讀取建模數(shù)據(jù)樣本文件并輸入建模數(shù)據(jù)樣本的具體流程圖；

圖3為所述實(shí)施例中讀取目標(biāo)數(shù)據(jù)樣本文件并輸入目標(biāo)數(shù)據(jù)樣本的具體流程圖；

圖4為所述實(shí)施例中裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

在本發(fā)明大數(shù)據(jù)精準(zhǔn)營銷模型的構(gòu)建方法及裝置實(shí)施例中，其大數(shù)據(jù)精準(zhǔn)營銷模型的構(gòu)建方法的流程圖如圖1所示。圖1中，該大數(shù)據(jù)精準(zhǔn)營銷模型的構(gòu)建方法包括如下步驟：

步驟S01讀取建模數(shù)據(jù)樣本文件并輸入建模數(shù)據(jù)樣本：本步驟中，讀取建模數(shù)據(jù)樣本文件，并輸入建模數(shù)據(jù)樣本。上述建模數(shù)據(jù)樣本文件為csv格式的文件，該建模數(shù)據(jù)樣本文件包含影響變量和目標(biāo)變量。

步驟S02按照設(shè)定的比例將建模數(shù)據(jù)樣本劃分為訓(xùn)練樣本和測試樣本：本步驟主要是進(jìn)行數(shù)據(jù)劃分，具體的，本步驟中，按照設(shè)定的比例將建模數(shù)據(jù)樣本劃分為訓(xùn)練樣本和測試樣本，該設(shè)定的比例為7：3，也就是按照7：3的比例把建模數(shù)據(jù)樣本劃分為訓(xùn)練樣本和測試樣本。當(dāng)然，實(shí)際應(yīng)用中，該設(shè)定比例可根據(jù)具體情況進(jìn)行相應(yīng)調(diào)整。

步驟S03采取眾數(shù)的方法對(duì)訓(xùn)練樣本和測試樣本進(jìn)行缺失值補(bǔ)全：本步驟主要是進(jìn)行數(shù)據(jù)預(yù)處理，具體的，本步驟中，采取眾數(shù)的方法對(duì)訓(xùn)練樣本和測試樣本進(jìn)行缺失值補(bǔ)全。

步驟S04對(duì)訓(xùn)練樣本中的連續(xù)型的影響變量做離散化處理：本步驟主要是進(jìn)行離散化處理，具體的，本步驟中，對(duì)訓(xùn)練樣本中的連續(xù)型的影響變量做離散化處理。

步驟S05計(jì)算離散化處理后的每個(gè)影響變量中各屬性的信息熵，并對(duì)缺失值補(bǔ)全后的數(shù)據(jù)進(jìn)行替換，并存儲(chǔ)替換規(guī)則：本步驟主要是進(jìn)行信息熵的計(jì)算，具體的，本步驟中，計(jì)算離散化處理后的每個(gè)影響變量中各屬性的信息熵，并對(duì)缺失值補(bǔ)全后的數(shù)據(jù)進(jìn)行替換，并且存儲(chǔ)替換規(guī)則。這里的影響變量就是用戶在前端界面輸入的字段，如年齡、性別等。

步驟S06采用二元邏輯回歸的方法固定建模數(shù)據(jù)樣本文件的最后一列為目標(biāo)變量，其他為自變量，利用訓(xùn)練樣本訓(xùn)練大數(shù)據(jù)精準(zhǔn)營銷模型：本步驟主要是進(jìn)行模型的訓(xùn)練，具體的，本步驟中，采用二元邏輯回歸的方法固定建模數(shù)據(jù)樣本文件的最后一列為目標(biāo)變量(y)，其他為自變量(X₁-Xn)，其中，n為自變量的個(gè)數(shù)，n為≥1的整數(shù)，利用訓(xùn)練樣本訓(xùn)練大數(shù)據(jù)精準(zhǔn)營銷模型。當(dāng)y為0時(shí)，表示壞樣本；當(dāng)y為1時(shí)，表示好樣本。

步驟S07利用測試樣本對(duì)大數(shù)據(jù)精準(zhǔn)營銷模型進(jìn)行測試，并輸出測試結(jié)果，利用AUC值來判斷大數(shù)據(jù)精準(zhǔn)營銷模型的好壞：本步驟主要是進(jìn)行模型的測試，具體的，本步驟中，利用測試樣本對(duì)大數(shù)據(jù)精準(zhǔn)營銷模型進(jìn)行測試，并輸出測試結(jié)果，利用AUC值來判斷大數(shù)據(jù)精準(zhǔn)營銷模型的好壞，AUC值是一種用來度量分類模型好壞的一個(gè)標(biāo)準(zhǔn)，本實(shí)施例中，當(dāng)AUC值小于0.6時(shí)，說明測試效果不好，也即是確定該大數(shù)據(jù)精準(zhǔn)營銷模型的測試結(jié)果不好，建議重新輸入一些新的影響變量。當(dāng)然，上述的0.6也可以改成其他值，具體根據(jù)實(shí)際需求進(jìn)行調(diào)整即可。

步驟S08讀取目標(biāo)數(shù)據(jù)樣本文件并輸入目標(biāo)數(shù)據(jù)樣本：本步驟中，讀取目標(biāo)數(shù)據(jù)樣本文件并輸入目標(biāo)數(shù)據(jù)樣本，該目標(biāo)數(shù)據(jù)樣本文件包含與建模數(shù)據(jù)樣本一致的影響變量。

步驟S09利用統(tǒng)計(jì)的方法對(duì)目標(biāo)數(shù)據(jù)樣本進(jìn)行缺失值補(bǔ)全：本步驟主要是進(jìn)行數(shù)據(jù)預(yù)處理，具體是利用統(tǒng)計(jì)的方法對(duì)目標(biāo)數(shù)據(jù)樣本進(jìn)行缺失值補(bǔ)全。

步驟S10對(duì)目標(biāo)數(shù)據(jù)樣本中連續(xù)型的影響變量按照建模數(shù)據(jù)樣本的規(guī)則做離散化替換，替換成離散型數(shù)據(jù)：本步驟主要是進(jìn)行離散化處理，具體的，本步驟中，對(duì)目標(biāo)數(shù)據(jù)樣本中連續(xù)型的影響變量按照建模數(shù)據(jù)樣本的規(guī)則做離散化替換，替換成離散型數(shù)據(jù)。

步驟S11按照替換規(guī)則對(duì)離散型數(shù)據(jù)做離散化替換：本步驟主要是進(jìn)行信息熵的替換，具體的，本步驟中，按照上述替換規(guī)則對(duì)離散型數(shù)據(jù)做離散化替換。

步驟S12計(jì)算目標(biāo)數(shù)據(jù)樣本中每一個(gè)目標(biāo)數(shù)據(jù)的概率值：本步驟中，計(jì)算目標(biāo)數(shù)據(jù)樣本中每一個(gè)目標(biāo)數(shù)據(jù)的概率值，也就是計(jì)算目標(biāo)數(shù)據(jù)樣本中每一個(gè)id的概率值，該id可以為用戶。

步驟S13輸出概率列表：本步驟中，輸出概率列表。

對(duì)比傳統(tǒng)的精準(zhǔn)營銷模型，本發(fā)明的方法采用信息熵技術(shù)對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，使得該大數(shù)據(jù)精準(zhǔn)營銷模型的效果更加精準(zhǔn)，并且對(duì)該大數(shù)據(jù)精準(zhǔn)營銷模型的整個(gè)流程進(jìn)行了封裝，加入了程序自動(dòng)化的思想，中間不需要任何的人工操作，操作較為簡便，既使是非分析人員也能使用模型。

對(duì)于本實(shí)施例而言，上述步驟S01還可進(jìn)一步細(xì)化，其細(xì)化后的流程圖如圖2所示。圖2中，該步驟S01進(jìn)一步包括：

步驟S101讀取建模數(shù)據(jù)樣本文件，并判斷是否找到建模數(shù)據(jù)樣本文件：本步驟中，讀取建模數(shù)據(jù)樣本文件，并判斷是否找到建模數(shù)據(jù)樣本文件，如果判斷的結(jié)果為是，則執(zhí)行步驟S103；否則，執(zhí)行步驟S102。

步驟S102退出：如果上述步驟S101的判斷結(jié)果為否，則執(zhí)行本步驟。本步驟中，退出。

步驟S103校驗(yàn)寫入的建模數(shù)據(jù)樣本是否具有目標(biāo)變量且目標(biāo)變量為二元變量：本步驟主要是對(duì)寫入的建模數(shù)據(jù)樣本進(jìn)行校驗(yàn)，具體的，本步驟中，校驗(yàn)寫入的建模數(shù)據(jù)樣本是否符合要求，即是否具有目標(biāo)變量、目標(biāo)變量是否為二元變量，如果判斷的結(jié)果為是，即符合要求，則執(zhí)行步驟S02；否則，執(zhí)行步驟S104。

步驟S104報(bào)錯(cuò)：如果上述步驟S103的判斷結(jié)果為否，即不符合要求，則執(zhí)行本步驟。本步驟中，進(jìn)行報(bào)錯(cuò)，執(zhí)行完本步驟，返回步驟S101。這樣就可以完成對(duì)寫入的建模數(shù)據(jù)樣本的校驗(yàn)。

對(duì)于本實(shí)施例而言，上述步驟S08還可進(jìn)一步細(xì)化，其細(xì)化后的流程圖如圖3所示。圖3中，上述步驟S08進(jìn)一步包括：

步驟S801讀取目標(biāo)數(shù)據(jù)樣本文件，并判斷是否找到建模數(shù)據(jù)樣本文件：本步驟中，讀取目標(biāo)數(shù)據(jù)樣本文件，并判斷是否找到建模數(shù)據(jù)樣本文件，如果判斷的結(jié)果為是，則執(zhí)行步驟S803；否則，執(zhí)行步驟S802。

步驟S802退出：如果上述步驟S801的判斷結(jié)果為否，則執(zhí)行本步驟。本步驟中，退出。

步驟S803校驗(yàn)?zāi)繕?biāo)數(shù)據(jù)樣本文件中的字段與建模數(shù)據(jù)樣本是否一致：如果上述步驟S801的判斷結(jié)果為是，則執(zhí)行本步驟。本步驟主要就是對(duì)寫入的目標(biāo)數(shù)據(jù)樣本進(jìn)行校驗(yàn)，具體的，本步驟中，校驗(yàn)?zāi)繕?biāo)數(shù)據(jù)樣本文件中的字段與建模數(shù)據(jù)樣本是否一致，如果一致，則執(zhí)行步驟S09；否則，執(zhí)行步驟S804。

步驟S804報(bào)錯(cuò)：如果上述步驟S803的校驗(yàn)結(jié)果為不一致，則執(zhí)行本步驟。本步驟中，進(jìn)行報(bào)錯(cuò)。執(zhí)行完本步驟，返回步驟S801。這樣就完成了對(duì)寫入的目標(biāo)數(shù)據(jù)樣本的校驗(yàn)。

本實(shí)施例還涉及一種實(shí)現(xiàn)上述大數(shù)據(jù)精準(zhǔn)營銷模型的構(gòu)建方法的裝置，其結(jié)構(gòu)示意圖如圖4所示。圖4中，該裝置包括建模數(shù)據(jù)樣本輸入單元1、樣本劃分單元2、樣本缺失值補(bǔ)全單元3、離散處理單元4、信息熵計(jì)算替換單元5、模型訓(xùn)練單元6、測試單元7、目標(biāo)數(shù)據(jù)樣本輸入單元8、目標(biāo)數(shù)據(jù)補(bǔ)全單元9、離散化替換單元10、信息熵替換單元11、概率計(jì)算單元12和結(jié)果輸出單元13。

本實(shí)施例中，建模數(shù)據(jù)樣本輸入單元1用于讀取建模數(shù)據(jù)樣本文件并輸入建模數(shù)據(jù)樣本；上述建模數(shù)據(jù)樣本文件包含影響變量和目標(biāo)變量；樣本劃分單元2用于按照設(shè)定的比例將建模數(shù)據(jù)樣本劃分為訓(xùn)練樣本和測試樣本；該設(shè)定的比例為7：3，也就是按照7：3的比例把建模數(shù)據(jù)樣本劃分為訓(xùn)練樣本和測試樣本。當(dāng)然，實(shí)際應(yīng)用中，該設(shè)定比例可根據(jù)具體情況進(jìn)行相應(yīng)調(diào)整。樣本缺失值補(bǔ)全單元3用于采取眾數(shù)的方法對(duì)訓(xùn)練樣本和測試樣本進(jìn)行缺失值補(bǔ)全；離散處理單元4用于對(duì)訓(xùn)練樣本中的連續(xù)型的影響變量做離散化處理；信息熵計(jì)算替換單元5用于計(jì)算離散化處理后的每個(gè)影響變量中各屬性的信息熵，并對(duì)缺失值補(bǔ)全后的數(shù)據(jù)進(jìn)行替換，并存儲(chǔ)替換規(guī)則；模型訓(xùn)練單元6用于采用二元邏輯回歸的方法固定建模數(shù)據(jù)樣本文件的最后一列為目標(biāo)變量，其他為自變量，利用訓(xùn)練樣本訓(xùn)練大數(shù)據(jù)精準(zhǔn)營銷模型。

本實(shí)施例中，測試單元7用于利用測試樣本對(duì)大數(shù)據(jù)精準(zhǔn)營銷模型進(jìn)行測試，并輸出測試結(jié)果，利用AUC值來判斷大數(shù)據(jù)精準(zhǔn)營銷模型的好壞；本實(shí)施例中，當(dāng)AUC值小于0.6時(shí)，說明測試效果不好，也即是確定該大數(shù)據(jù)精準(zhǔn)營銷模型的測試結(jié)果不好，建議重新輸入一些新的影響變量。當(dāng)然，上述的0.6也可以改成其他值，具體根據(jù)實(shí)際需求進(jìn)行調(diào)整即可。

本實(shí)施例中，目標(biāo)數(shù)據(jù)樣本輸入單元8用于讀取目標(biāo)數(shù)據(jù)樣本文件并輸入目標(biāo)數(shù)據(jù)樣本；上述目標(biāo)數(shù)據(jù)樣本文件包含影響變量；目標(biāo)數(shù)據(jù)補(bǔ)全單元9用于利用統(tǒng)計(jì)的方法對(duì)目標(biāo)數(shù)據(jù)樣本進(jìn)行缺失值補(bǔ)全；離散化替換單元10對(duì)目標(biāo)數(shù)據(jù)樣本中連續(xù)型的影響變量按照建模數(shù)據(jù)樣本的規(guī)則做離散化替換，替換成離散型數(shù)據(jù)；信息熵替換單元11用于按照替換規(guī)則對(duì)離散型數(shù)據(jù)做離散化替換；概率計(jì)算單元12用于計(jì)算目標(biāo)數(shù)據(jù)樣本中每一個(gè)目標(biāo)數(shù)據(jù)的概率值；結(jié)果輸出單元13用于輸出概率列表。

對(duì)比傳統(tǒng)的精準(zhǔn)營銷模型，本發(fā)明的裝置采用信息熵技術(shù)對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，使得該大數(shù)據(jù)精準(zhǔn)營銷模型的效果更加精準(zhǔn)，并且對(duì)該大數(shù)據(jù)精準(zhǔn)營銷模型的整個(gè)流程進(jìn)行了封裝，加入了程序自動(dòng)化的思想，中間不需要任何的人工操作，操作較為簡便，既使是非分析人員也能使用模型。

本實(shí)施例中，建模數(shù)據(jù)樣本輸入單元1進(jìn)一步包括建模數(shù)據(jù)樣本文件讀取判斷模塊11和建模數(shù)據(jù)樣本校驗(yàn)?zāi)K12；其中，建模數(shù)據(jù)樣本文件讀取判斷模塊11用于讀取建模數(shù)據(jù)樣本文件，并判斷是否找到建模數(shù)據(jù)樣本文件，如是，進(jìn)入建模數(shù)據(jù)樣本校驗(yàn)?zāi)K12；否則，退出；建模數(shù)據(jù)樣本校驗(yàn)?zāi)K12用于校驗(yàn)寫入的建模數(shù)據(jù)樣本是否具有目標(biāo)變量且目標(biāo)變量為二元變量，如是，進(jìn)入樣本劃分單元；否則，報(bào)錯(cuò)后返回建模數(shù)據(jù)樣本文件讀取判斷模塊11。這樣就可以完成對(duì)寫入的建模數(shù)據(jù)樣本的校驗(yàn)。

本實(shí)施例中，目標(biāo)數(shù)據(jù)樣本輸入單元8進(jìn)一步包括目標(biāo)數(shù)據(jù)樣本文件讀取判斷模塊81和樣本判斷模塊82；其中，目標(biāo)數(shù)據(jù)樣本文件讀取判斷模塊81用于讀取目標(biāo)數(shù)據(jù)樣本文件，并判斷是否找到建模數(shù)據(jù)樣本文件，如是，進(jìn)入樣本判斷模塊82；否則，退出；樣本判斷模塊82用于校驗(yàn)?zāi)繕?biāo)數(shù)據(jù)樣本文件中的字段與建模數(shù)據(jù)樣本是否一致，如是，進(jìn)入目標(biāo)數(shù)據(jù)補(bǔ)全單元9；否則，報(bào)錯(cuò)后返回目標(biāo)數(shù)據(jù)樣本文件讀取判斷模塊81。這樣就完成了對(duì)寫入的目標(biāo)數(shù)據(jù)樣本的校驗(yàn)。

總之，本發(fā)明通過采用信息熵技術(shù)對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，使得該大數(shù)據(jù)精準(zhǔn)營銷模型的效果更加精準(zhǔn)，并且對(duì)該大數(shù)據(jù)精準(zhǔn)營銷模型的整個(gè)流程進(jìn)行了封裝，加入了程序自動(dòng)化的思想，中間不需要任何的人工操作，操作較為簡便，既使是非分析人員也能使用模型。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。