Sarantopoulos (2003) described the

Sarantopoulos (2003) described the development and the validation of a decision tree, which aims to discriminate between good and bad accounts of the customers of a particular retailer based on a sample of orders placed between certain periods of time. Lemmens and Croux (2006) explored the bagging and boosting classification techniques which significantly improved the accuracy in predicting churn. Lima et al., (2009) showed how the domain knowledge can be incorporated in the data mining process for churn prediction by analysing a decision table extracted from a decision tree or rule-based classifier.

結果 (繁體中文) 1:

Sarantopoulos（2003）描述的發展和決策樹，其目的是好的，並根據所投放的某些時間段之間訂單的樣品特定零售商的客戶的壞帳區分的驗證。Lemmens克魯和（2006）探討了套袋和提高分類技術對預測客戶流失這顯著提高了精度。Lima等人，（2009）說明了如何領域知識可以通過分析從決策樹或基於規則的分類器提取的決策表被併入在流失預測數據挖掘過程。

結果 (繁體中文) 2:

Sarantopoulos（2003年）描述了決策樹的開發和驗證，該樹旨在根據特定時間段下的訂單樣本，區分特定零售商客戶的好賬和壞帳戶。Lemmens 和 Croux（2006 年）探索了袋裝和提升分類技術，從而顯著提高了預測流失的準確性。Lima 等人（2009 年）通過分析從決策樹或基於規則的分類器中提取的決策表，展示了如何將領域知識納入客戶流失預測的資料採礦流程。

結果 (繁體中文) 3:

Sarantopoulos（2003）描述了決策樹的開發和驗證，該決策樹旨在根據在特定時間段內下的訂單樣本區分特定零售商客戶的好賬和壞賬。Lemmens和Croux（2006）探索了裝袋和提升分類科技，顯著提高了預測流失的準確性。Lima等人（2009年）通過分析從決策樹或基於規則的分類器中選取的決策錶，展示了如何將領域知識納入用於客戶流失預測的資料挖掘過程。