摘要： 当今社会完全步入了一个高度信息化的时期，每分钟都会涌现大量的信息，怎么从这些大量的数据中提取出对我们有用的信息，并为我们创造价值，这成为了一个关键的话题。基于数据挖掘来研究数据，从中提取有用的信息来辅助决策。近几年来，数据挖掘技术不仅作为数据库和信息决策领域前沿的研究方向之一，还受到了经济领域和数据库界的共同关注。

本文以基于数据挖掘理论、方法、技术上的决策树为建模主要思想，选用决策树中Gini指数的分类和回归树（CART）算法，再通过：构建树、修剪树、评估模型，将客户进行分类，将客户信息转化为属性-结论式的输出形式，从而使区分目标客户及非目标客户变得快速且精准。

在数据挖掘技术模型的基础上，最终能够得到最优化模型。此模型反应出一系列我们期待的特点，如时间短、精度高等。在实际生活中使用我们得到的最优化模型，无论是个人还是企业，都可以提高客户分类的效率。

关键词：数据挖掘； 决策树； CART算法；客户

目录

摘要

Abstract

一、引言-5

（一）论文的研究背景及意义-5

（二）论文的选题目的-5

二、数据挖掘理论-6

（一）数据挖掘基本概念-6

（二）数据挖掘的功能-7

（三）数据挖掘过程-8

三、关于客户分类-8

(一)客户分类的概念-8

（二）微博客户分类的意义-8

（三）微博客户操作流程-9

（四）微博客户分类中的具体应用-9

1．客户现状及问题描述-9

2．研究目标-9

四、CART算法-10

（1）构建树-11

（2）数据预处理-11

（3）CART树的生成-11

（4）树的剪枝-12

（5）CART树的最优选择-14

五、CART算法在新浪微博中的具体应用-14

（一）问题定义-15

（二）数据准备-15

（三）数据变换-17

(1) 数据的预处理-17

（2）将数据分类汇总-17

（3）变量值确定方法-18

（四）CART算法的具体应用过程-19

(五)CART算法的不足与改进-20

1. CART算法的不足-20

2. CART算法改进-20

参考文献-21

致谢-21