Related work about dynamics model o

Related work about dynamics model of data mining includes three aspects: (1) applications of dynamics model, e.g. Mayaka, Stigter, Heitkonig, and Prins (2004) presented a dynamics model to compare six alternative management strategies with respect to their economic performance and impact on population size and structure of Buffon’s kob (Kobus kob kob); (2) customer reten¬tion model, e.g. Larivière and Van den Poel (2005) presented three important measures of customer outcome: next buy, partial-defec¬tion and customers’ profitability evolution, and by means of ran¬dom forests techniques, a broad set of explanatory variables, including past customer behavior, observed customer heterogene¬ity and some typical variables were investigated, and finally, the findings suggested that past customer behavior was more impor¬tant to generate repeat purchasing and favorable profitability evo¬lutions, while the intermediary’s role had a greater impact on the customers’ defection proneness; and (3) data mining by priori knowledge, and there are two parts related to this aspect: one is mining useful rules with low supports (e.g. Koh, Rountree, & O’Kee-fe, 2008) and the other is post-mining (e.g. Zhang, Zhang, & Yan, 2003).

Results (Indonesian) 1:

Terkait pekerjaan tentang dinamika model data pertambangan meliputi tiga aspek: (1) aplikasi dari model dinamika, misalnya Mayaka, Stigter, Heitkonig, dan Prins (2004) disajikan model dinamika untuk membandingkan enam strategi alternatif manajemen mereka kinerja ekonomi dan dampak pada ukuran populasi dan struktur Buffon di Thailand (Kobus Thailand Thailand); (2) pelanggan reten¬tion model, misalnya Larivière dan Van den Poel (2005) disajikan tiga langkah-langkah penting pelanggan hasil: selanjutnya membeli, parsial-defec¬tion dan evolusi profitabilitas pelanggan, dan dengan menggunakan teknik-teknik hutan ran¬dom, serangkaian luas penjelasan variabel, termasuk melewati perilaku nasabah, diamati pelanggan heterogene¬ity dan beberapa variabel khas diselidiki, dan akhirnya, temuan menyarankan bahwa masa lalu pelanggan perilaku adalah lebih impor¬tant untuk menghasilkan ulangi pembelian dan profitabilitas menguntungkan evo¬lutions , sementara perantara peran punya dampak yang lebih besar pada nasabah pembelotan kemalasan; dan (3) data pertambangan oleh pengetahuan priori, dan ada dua bagian yang berkaitan dengan aspek: satu adalah pertambangan berguna aturan dengan rendah mendukung (misalnya Koh, Rountree, & O'Kee-fe, 2008) dan yang lain adalah pasca penambangan (misalnya Zhang, Zhang, & Yan, 2003).

Results (Indonesian) 2:

Terkait kerja tentang dinamika model data mining meliputi tiga aspek: (1) aplikasi dinamika Model, misalnya MAYAKA, Stigter, Heitkonig, dan Prins (2004) disajikan model dinamika untuk membandingkan enam strategi pengelolaan alternatif terhadap kinerja dan dampak ekonomi mereka pada ukuran populasi dan struktur kob Buffon (Kobus kob kob); (2) Model pelanggan reten¬tion, misalnya Lariviere dan Van den Poel (2005) disajikan tiga ukuran penting dari hasil pelanggan: buy berikutnya, parsial-defec¬tion dan profitabilitas evolusi pelanggan, dan dengan cara ran¬dom hutan teknik, satu set luas variabel penjelas, termasuk perilaku pelanggan terakhir, diamati heterogene¬ity pelanggan dan beberapa variabel khas diselidiki, dan akhirnya, temuan menyarankan bahwa perilaku pelanggan masa lalu lebih impor¬tant untuk menghasilkan pembelian berulang dan evo¬lutions profitabilitas menguntungkan, sementara peran perantara yang memiliki dampak yang lebih besar pada pelanggan 'pembelotan wilayah rawan; dan (3) data mining dengan pengetahuan apriori, dan ada dua bagian yang berkaitan dengan aspek ini: satu adalah pertambangan aturan yang berguna dengan dukungan rendah (misalnya Koh, Rountree, & O'Kee-fe, 2008) dan yang lainnya adalah pasca tambang (misalnya Zhang, Zhang, & Yan, 2003).