科恩·德博克

个人详细信息

附属

Audencia Nantes Es cole de Management公司

引文

工作文件

1. K.Coussement和K.W.de Bock，2013年。”用于定量营销分析的文本客户数据处理,"打印后哈尔-00836249，哈尔。

   引用人：

   1. Nathalie Demoulin&Kristof Coussement，2018年。”文本识别系统的接受度：信息质量的信号传递作用,"打印后hal-02111772，hal公司。

2. K.Coussement和K.W.de Bock&S.A.Neslin，2013年。”高级数据库营销：管理客户关系的创新方法和应用,"打印后hal-00821524，哈尔。

   引用人：

   1. Arno de Caigny&Kristof Coussement&Koen W.de Bock&Stefan Lessmann，2019年。”将文本信息纳入基于卷积神经网络的客户流失预测模型,"打印后哈尔-02275958，哈尔。
   2. Ashwin Aravindakshan&Olivier Rubel&Oliver Rutz，2015年。”用市场营销管理献血,"市场营销学《信息》，第34卷（2），第269-280页，3月。
   3. De Caigny，Arno&Coussement，Kristof&De Bock，Koen W.&Lessmann，Stefan，2020年。”基于卷积神经网络的客户流失预测模型中加入文本信息,"国际预测杂志爱思唯尔，第36卷（4），第1563-1578页。

3. K.Coussement和K.W.de Bock，2013年。”网络赌博业客户流失预测：集成学习的有益效果,"打印后哈尔-00788063，哈尔。
   • 库塞门特（Coussement），克里斯托夫（Kristof）和德博克（De Bock），科恩·W·（Koen W.），2013年。”在线赌博行业的客户流失预测：集成学习的有益效果,"商业研究杂志爱思唯尔，第66卷（9），第1629-1636页。

   引用人：

   1. 周平川，霍华德·郝春周，甄春梁廷鹏，2022年。”客户回购预测分析：买到死建模和机器学习的跨学科集成,"欧洲运筹学杂志爱思唯尔，第296（2）卷，第635-651页。
   2. Eva Ascarza和Oded Netzer以及Bruce G.S.Hardie，2018。”一些客户宁愿不说再见就离开,"市场营销学，INFORMS，第37卷（1），第54-77页，1月。
   3. Chen，Yan&Zhang，Lei&Zhao，Yulu&Xu，Bing，2022年。”车辆保险流失预测中惩罚生存模型的实现,"商业研究杂志爱思唯尔，第153（C）卷，第162-171页。
   4. 佩特拉·波塞德尔v{S} 伊莫维‘c&Davor Horvatic&Edward W.Sun，2021年。”基于混合效度logistic回归的客户在线敬业度分类,"论文2105.07671，arXiv.org，2021年7月修订。
   5. Petra P.Šimović和Claire Y.T.Chen和Edward W.Sun，2023年。”基于混合效用Logistic回归的客户在线参与度分类,"计算经济学，施普林格；计算经济学学会，第61卷（1），第451-485页，1月。
   6. Feng、Yi和Yin、Yunqiang和Wang、Dujuan和Dhamotharan、Lalitha，2022年。”银行电话营销销售预测的动态集成选择方法,"商业研究杂志，爱思唯尔，第139卷（C），第368-382页。
   7. Chandrasekhar Valluri、Sudhakar Raju和Vivek H.Patil，2022年。”二手汽车贷款流失的客户决定因素：使用机器学习技术比较预测性能,"营销分析杂志Palgrave Macmillan，第10卷（3），第279-296页，9月。
   8. Sarkar，Mainak和De Bruyn，Arnaud，2021年。”直接营销分析的LSTM响应模型：以深度学习取代特征工程,"互动营销杂志爱思唯尔，第53卷（C），第80-95页。
   9. Mathijs Meire，2021年。”客户回归：对回头客的驱动因素和价值的实证分析,"商业研究杂志爱思唯尔，第127（C）卷，第193-205页。
   10. Koen W.de Bock和Arno de Caigny，2021年。”基于结构化稀疏正则化的样条规则集成分类器在可解释客户流失建模中的应用,"打印后哈尔-03391564，哈尔。
   11. 博托·费雷拉（Boto Ferreira）、马里奥（Mário）和科斯塔·平托（Costa Pinto）、迭戈（Diego）和莫雷尔·赫特（Maurer Herter）、马尔西亚·索罗（Marrica&Soro）、杰罗尼莫（Jerónimo）和瓦内西奇（Vanneschi）、莱昂纳多（Leonar。”利用人工智能克服过度负债和消除贫困,"商业研究杂志爱思唯尔，第131（C）卷，第411-425页。
   12. Gattermann-Itschert，Theresa&Thonemann，Ulrich W.，2021年。”多时间片训练如何提高流失预测性能,"欧洲运筹学杂志爱思唯尔，第295（2）卷，第664-674页。
   13. 路易斯·盖勒（Louis Geiler）、塞维琳·阿弗尔德（Séverine Affeldt）和穆罕默德·纳迪夫（Mohamed Nadif），2022年。”流失预测的机器学习方法综述,"打印后哈尔-03824873，哈尔。
   14. Jeremy K.Nguyen&Adam Karg&Abbas Valadkhani&Heath McDonald，2022年。”用机器学习预测个人活动出勤率：一种“前移”方法,"应用经济学《泰勒与弗朗西斯杂志》，第54卷（27），第3138-3153页，6月。
   15. Wee How Khoh&Ying Han Pang&Shih Yin Ooi&Lillian-Yee-Kiaw Wang&Quan Wei Poh，2023年。”电信行业可持续业务的预测流失模型：优化加权集成机器学习,"持续性，MDPI，第15卷（11），第1-21页，5月。
   16. De Caigny，Arno&Coussement，Kristof&De Bock，Koen W.，2018年。”基于逻辑回归和决策树的客户流失预测混合分类算法,"欧洲运筹学杂志爱思唯尔，第269（2）卷，第760-772页。
   17. Steven Debaere&Floris Devriendt&Johanna Brunneder&Wouter Verbeke&Tom de Ruyck&Kristof Coussement，2019年。”使用提升模型减少弱势成员社区参与：来自现场实验的证据,"打印后哈尔-02990787，哈尔。
   18. 格雷厄姆（Graham，Byron）和邦纳（Bonner，Karen），2022年。”一刀切？利用机器学习研究早期创业决定因素的异质性和主导性,"商业研究杂志爱思唯尔，第152（C）卷，第42-59页。
   19. 特里帕提·马纳斯（Tripathi Manas）、库马尔·索拉巴（Kumar Saurabh）和伊纳尼·萨维什瓦·库马尔（Inani Sarveshwar Kumar），2021年。”使用集成模型进行汇率预测以获得更好的政策含义,"时间序列计量经济学杂志De Gruyter，第13卷（1），第43-71页，1月。
   20. Matthias Bogaert和Lex Delaere，2023年。”客户流失预测中的集成方法：现状比较分析,"数学，MDPI，第11卷（5），第1-28页，2月。
   21. Chen，Xun-Qi&Ma，Chao-Qun&Ren，Yi-Shai&Lei，Yu-Tian&Huynh，Ngoc Quang Anh&Narayan，Seema，2023年。”金融中可解释的人工智能：文献计量学综述,"金融研究信件爱思唯尔，第56卷（C）。
   22. Pantano、Eleonora&Priporas、Constantinos-Vasilios&Stylos、Nikolaos，2017年。”“你会喜欢的！”利用开放数据预测游客对旅游景点的反应,"旅游管理爱思唯尔，第60卷（C），第430-438页。
   23. 约翰·哈贝尔（Johannes Habel）、萨沙·阿拉维（Sascha Alavi）和尼古拉·海尼茨（Nicolas Heinitz），2023年。”采用预测销售分析的理论,"AMS审查，施普林格；营销科学学院，第13卷（1），第34-54页，6月。
   24. 刘伟、王宗水和赵洪，2020年。”东亚、北美和欧洲客户关系管理研究的比较研究：文献计量综述,"电子市场，施普林格；IIM圣加仑大学，第30卷（4），第735-757页，12月。
   25. Mitrović，Sandra&Baesens，Bart&Lemahieu，Wilfried&De Weerdt，Jochen，2018年。”关于不同特征类型对电信用户流失预测的操作效率,"欧洲运筹学杂志爱思唯尔，第267（3）卷，第1141-1155页。

4. K.Coussement&F.A.M.van den Bossche&K.W.de Bock，2012年。”数据准确性对细分性能的影响：基准RFM分析、逻辑回归和决策树,"打印后哈尔-00788060，哈尔。
   • 库塞门特（Coussement）、克里斯托夫（Kristof）和范登博采（Van den Bossche）、菲利普·A.M.（Filip A.M.）和德博克（De Bock），科恩·W.（Koen W.），2014年。”数据准确性对分割性能的影响：基准RFM分析、逻辑回归和决策树,"商业研究杂志爱思唯尔，第67卷（1），第2751-2758页。

   引用人：

   1. 陈燕红、刘璐宁、郑德全、李斌，2023年。”基于RFM模型的航空业旅客购买辅助服务价值估算,"零售与消费者服务杂志爱思唯尔，第74（C）卷。
   2. Dolnicar，Sara&Grün，Bettina&Leich，Friedrich，2016年。”增加样本量可以弥补分割研究中的数据问题,"商业研究杂志爱思唯尔，第69卷（2），第992-999页。
   3. 董玲凤（Lingfeng Dong）、季婷（Ting Ji）和张杰（Jie Zhang），2022年。”网络劳动力市场中会话礼貌对雇佣决策的影响：一个倒U型关系的研究,"持续性，MDPI，第14卷（22），第1-11页，11月。
   4. Horvat Ivan和PejićBach Mirjana和MerkačSkok Marjana，2014年。”发现租赁协议欺诈行为的决策树方法,"业务系统研究《科学》，第5卷（2），第61-71页，9月。
   5. Marco Vriens&Nathan Bosch&Chad Vidden&Jason Talwar，2022年。”市场细分打字工具中的预测和盈利能力,"市场分析杂志Palgrave Macmillan，第10卷（4），第360-389页，12月。
   6. 李毅新和侯，炳章和吴，岳和赵，东来和谢，傲然和邹，彭，2021年。”巨战：传统广播行业客户流失预测,"商业研究杂志爱思唯尔，第131（C）卷，第630-639页。
   7. Azarnoush Ansari和Arash Riasi，2016年。”基于模糊C均值和遗传算法的客户聚类,"国际商业与管理杂志加拿大科学和教育中心，第11卷（7），第1-59页，6月。
   8. 陈，宋&邱，永勤&李，京茂&方，坎&方，匡南，2023。”基于PU学习推荐方法的金融行业精准营销,"商业研究杂志爱思唯尔，第160（C）卷。
   9. Arno de Caigny&Kristof Coussement&Koen de Bock，2020年。”利用细粒度事务数据预测客户生命周期事件,"打印后哈尔-02507998，哈尔。
   10. Joni Salminen&Mekhail Mustak&Muhammad Sufyan&Bernard J.Jansen，2023年。”算法如何帮助细分用户和客户？算法客户细分的系统回顾和研究议程,"市场分析杂志Palgrave Macmillan，第11卷（4），第677-692页，12月。

5. K.W.De Bock和D.Van Den Poel，2012年。”基于广义加法模型的集成学习在客户流失预测中协调性能和可解释性,"比利时根特大学经济与工商管理学院工作文件805年12月，根特大学经济与工商管理学院。

   引用人：

   1. 周平川，霍华德·郝春周，甄春梁廷鹏，2022年。”客户回购预测分析：买到死建模和机器学习的跨学科集成,"欧洲运筹学杂志爱思唯尔，第296（2）卷，第635-651页。
   2. 张天元（Tianyuan Zhang）&塞尔吉奥·莫罗（Sérgio Moro）&里卡多·拉莫斯（Ricardo F.Ramos），2022年。”基于电信客户细分的数据驱动客户流失预测方法,"未来互联网，MDPI，第14卷（3），第1-19页，3月。
   3. Koen W.de Bock和Arno de Caigny，2021年。”基于结构化稀疏正则化的样条规则集成分类器在可解释客户流失建模中的应用,"打印后哈尔-03391564，哈尔。
   4. Gattermann-Itschert，Theresa&Thonemann，Ulrich W.，2021年。”多时间片训练如何提高流失预测性能,"欧洲运筹学杂志，爱思唯尔，第295卷（2），第664-674页。
   5. Ballings，Michel&Van den Poel，Dirk，2015年。”社交媒体中的CRM：预测Facebook使用频率的增加,"欧洲运筹学杂志爱思唯尔，第244（1）卷，第248-260页。
   6. 阿明、阿德南和沙阿、巴巴尔和卡塔克、阿萨德·马苏德和洛佩斯·莫雷拉、费尔南多·若阿金和阿里、戈哈尔和罗查、阿尔瓦罗和安瓦尔、萨吉德，2019年。”电信行业跨公司客户流失预测：数据转换方法的比较,"国际信息管理杂志爱思唯尔，第46卷（C），第304-319页。
   7. 贝尼特斯·佩尼亚（Benítez-Peña）、桑德拉·布兰科罗（Sandra&Blankero）、拉斐尔·卡里佐萨（Rafael&Carrizosa）、埃米利奥（Emilio&Ramírez-Cobo）、佩帕（Pepa），2024年。”支持向量机的成本敏感概率预测,"欧洲运筹学杂志爱思唯尔，第314（1）卷，第268-279页。
   8. De Caigny，Arno&Coussement，Kristof&De Bock，Koen W.，2018年。”基于逻辑回归和决策树的客户流失预测混合分类算法,"欧洲运筹学杂志爱思唯尔，第269（2）卷，第760-772页。
   9. Arno de Caigny&Kristof Coussement&Koen W.de Bock&Stefan Lessmann，2019年。”基于卷积神经网络的客户流失预测模型中加入文本信息,"打印后哈尔-02275958，哈尔。
   10. Matthias Bogaert&Lex Delaere，2023年。”客户流失预测中的集成方法：现状比较分析,"数学，MDPI，第11卷（5），第1-28页，2月。
   11. 阿明、阿德南和阿尔贝达特、费拉斯和沙阿、巴巴尔和阿德南、阿瓦伊斯和卢、乔纳森和安瓦尔、萨吉德，2019年。”基于数据确定性的电信行业客户流失预测,"商业研究杂志爱思唯尔，第94卷（C），第290-301页。
   12. De Caigny，Arno&Coussement，Kristof&De Bock，Koen W.&Lessmann，Stefan，2020年。”基于卷积神经网络的客户流失预测模型中加入文本信息,"国际预测杂志爱思唯尔，第36卷（4），第1563-1578页。
   13. Satu Elisa Schaeffer和Rodriguez Sanchez，Sara Veronica，2020年。”预测客户保留率——机器学习方法,"零售与消费者服务杂志，爱思唯尔，第52卷（C）。
   14. Arno de Caigny&Kristof Coussement&Koen de Bock，2020年。”利用细粒度事务数据预测客户生命周期事件,"打印后哈尔-02507998，哈尔。

6. K.W.de Bock和D.van den Poel，2012年。”基于广义可加模型的集成学习在客户流失预测建模中协调性能和可解释性,"打印后hal-00800148，哈尔。

   引用人：

   1. 周平川，霍华德·郝春周，甄春梁廷鹏，2022年。”客户回购预测分析：买到死建模和机器学习的跨学科集成,"欧洲运筹学杂志爱思唯尔，第296（2）卷，第635-651页。
   2. 张天元（Tianyuan Zhang）&塞尔吉奥·莫罗（Sérgio Moro）&里卡多·拉莫斯（Ricardo F.Ramos），2022年。”基于电信客户细分的数据驱动客户流失预测方法,"未来互联网，MDPI，第14卷（3），第1-19页，3月。
   3. Koen W.de Bock和Arno de Caigny，2021年。”基于结构化稀疏正则化的样条规则集成分类器在可解释客户流失建模中的应用,"打印后哈尔-03391564，哈尔。
   4. Gattermann-Itschert，Theresa&Thonemann，Ulrich W.，2021年。”多时间片训练如何提高流失预测性能,"欧洲运筹学杂志爱思唯尔，第295（2）卷，第664-674页。
   5. Ballings，Michel&Van den Poel，Dirk，2015年。”社交媒体中的CRM：预测Facebook使用频率的增加,"欧洲运筹学杂志爱思唯尔，第244（1）卷，第248-260页。
   6. 阿明、阿德南和沙阿、巴巴尔和卡塔克、阿萨德·马苏德和洛佩斯·莫雷拉、费尔南多·若阿金和阿里、戈哈尔和罗查、阿尔瓦罗和安瓦尔、萨吉德，2019年。”电信行业跨公司客户流失预测：数据转换方法的比较,"国际信息管理杂志爱思唯尔，第46卷（C），第304-319页。
   7. 贝尼特斯·佩尼亚（Benítez-Peña）、桑德拉·布兰科罗（Sandra&Blankero）、拉斐尔·卡里佐萨（Rafael&Carrizosa）、埃米利奥（Emilio&Ramírez-Cobo）、佩帕（Pepa），2024年。”支持向量机的成本敏感概率预测,"欧洲运筹学杂志爱思唯尔，第314（1）卷，第268-279页。
   8. De Caigny，Arno&Coussement，Kristof&De Bock，Koen W.，2018年。”基于逻辑回归和决策树的客户流失预测混合分类算法,"欧洲运筹学杂志爱思唯尔，第269（2）卷，第760-772页。
   9. Arno de Caigny&Kristof Coussement&Koen W.de Bock&Stefan Lessmann，2019年。”基于卷积神经网络的客户流失预测模型中加入文本信息,"打印后哈尔-02275958，哈尔。
   10. Matthias Bogaert和Lex Delaere，2023年。”客户流失预测中的集成方法：现状比较分析,"数学，MDPI，第11卷（5），第1-28页，2月。
   11. 阿明、阿德南和阿尔贝达特、费拉斯和沙阿、巴巴尔和阿德南、阿瓦伊斯和卢、乔纳森和安瓦尔、萨吉德，2019年。”基于数据确定性的电信行业客户流失预测,"商业研究杂志爱思唯尔，第94卷（C），第290-301页。
   12. Satu Elisa Schaeffer和Rodriguez Sanchez，Sara Veronica，2020年。”预测客户保留率——机器学习方法,"零售与消费者服务杂志，爱思唯尔，第52卷（C）。
   13. Arno de Caigny&Kristof Coussement&Koen de Bock，2020年。”利用细粒度事务数据预测客户生命周期事件,"打印后哈尔-02507998，哈尔。

7. K.W.De Bock和D.Van Den Poel，2011年。”基于旋转的集成分类器在客户流失预测中的实证评估,"比利时根特大学经济与工商管理学院工作文件11/717，根特大学经济与工商管理学院。
   • K.W.de Bock和D.van den Poel，2011年。”基于旋转的集成分类器在客户流失预测中的实证评估,"打印后hal-00800160，霍尔。

   引用人：

   1. K.W.De Bock和D.Van Den Poel，2012年。”基于广义加法模型的集成学习在客户流失预测中协调性能和可解释性,"比利时根特大学经济与工商管理学院工作文件805年12月，根特大学经济与工商管理学院。
   2. Matthias Bogaert&Michel Ballings&Martijn Hosten&Dirk Van den Poel，2017年。”通过预测分析识别Facebook上的足球运动员,"决策分析《信息》，第14卷（4），第274-297页，12月。
   3. 周平川，霍华德·郝春周，甄春梁廷鹏，2022年。”客户回购预测分析：买到死建模和机器学习的跨学科集成,"欧洲运筹学杂志爱思唯尔，第296（2）卷，第635-651页。
   4. 刘振坤（Liu，Zhenkun&Jiang）、平德博克（Ping&De Bock）、孔伟（Koen W.）和王（Wang）、建州（Jianzhou）和张（Zhang）、李芳（Lifang&Niu）、新松（Xinsong），2024年。”基于高效贝叶斯优化的极端梯度提升树用于利润驱动的客户流失预测,"技术预测与社会变革爱思唯尔，第198（C）卷。
   5. Blaser，Rico&Fryzlewicz，Piotr，2016年。”随机旋转系综,"伦敦政治经济学院经济学研究在线文档62182，伦敦经济政治学院，伦敦政治经济学院图书馆。
   6. Ballings，Michel&Van den Poel，Dirk，2015年。”社交媒体中的CRM：预测Facebook使用频率的增加,"欧洲运筹学杂志爱思唯尔，第244（1）卷，第248-260页。
   7. 穆罕默德·阿齐姆（Muhammad Azeem）、穆罕默德·乌斯曼（Muhamma Usman）和A.C.M.Fong（A.C.M.），2017年。”基于模糊分类器的电信预付费客户流失预测模型,"电信系统：建模、分析、设计和管理《施普林格》，第66卷（4），第603-614页，12月。
   8. Soyoung Park和Se Yeong Hamm和Jinsoo Kim，2019年。”基于GIS的滑坡敏感性建模数据挖掘技术决策树、随机森林和旋转森林的性能评估,"持续性，MDPI，第11卷（20），第1-20页，10月。
   9. Matthias Bogaert&Lex Delaere，2023年。”客户流失预测中的集成方法：现状比较分析,"数学，MDPI，第11卷（5），第1-28页，2月。
   10. M.Ballings和D.Van Den Poel，2012年。”客户事件历史与客户流失预测的相关长度：多长时间足够？,"比利时根特大学经济与工商管理学院工作文件12/804，根特大学经济与工商管理学院。
   11. Adebiyi Sulaimon Olanrewaju&Oyatoye Emmanuel Olateju&Mojekwu Joseph Nnamdi，2015年。”利用马尔可夫链模型预测尼日利亚移动通信行业的客户流失和保留率,"萨宾蒂亚大学学报，经济与商业《科学》，第3卷（1），第67-80页，12月。
   12. 阿明、阿德南和阿尔贝达特、费拉斯和沙阿、巴巴尔和阿德南、阿瓦伊斯和卢、乔纳森和安瓦尔、萨吉德，2019年。”基于数据确定性的电信行业客户流失预测,"商业研究杂志爱思唯尔，第94卷（C），第290-301页。
   13. Aimée Backiel和Bart Baesens和Gerda Claeskens，2016年。”使用社交网络分析预测预付费手机客户的时间流失,"运筹学学会杂志Palgrave Macmillan；《手术室学会》，第67卷（9），第1135-1145页，9月。
   14. Satu Elisa Schaeffer和Rodriguez Sanchez，Sara Veronica，2020年。”预测客户保留率——机器学习方法,"零售与消费者服务杂志，爱思唯尔，第52卷（C）。

8. De Bock，Koen W&Coussement，Kristof&Van den Poel，Dirk，2010年。”基于广义可加模型的集成分类,"工作文件2010年2月，布鲁塞尔大学Hogeschool，Faculteit Economie en Management。
   • De Bock，Koen W.&Coussement，Kristof&Van den Poel，德克，2010年。”基于广义可加模型的集成分类,"计算统计与数据分析爱思唯尔，第54（6）卷，第1535-1546页，6月。
   • K.W.De Bock&K.Coussement&D.Van Den Poel，2009年。”基于广义可加模型的集成分类,"比利时根特大学经济与工商管理学院工作文件0625年9月，根特大学经济与工商管理学院。
   • K.W.de Bock&K.Coussement&D.van den Poel，2010年。”基于广义可加模型的集成分类,"打印后哈尔什-00581711，哈尔。

   引用人：

   1. K.W.De Bock和D.Van Den Poel，2012年。”基于广义加法模型的集成学习在客户流失预测中协调性能和可解释性,"比利时根特大学经济与工商管理学院工作文件805年12月，根特大学经济与工商管理学院。
   2. M.Ballings和D.Van Den Poel和E.Verhagen，2013年。”评估图形数据对客户流失预测的附加值,"比利时根特大学经济与工商管理学院工作文件869年13月，根特大学经济与工商管理学院。
   3. 雨果·普伦萨和乔昂·内维斯，2017年。”融合Vantage点树和线性判别法的快速特征分类,"分类杂志，施普林格；船级社，第34卷（1），第85-107页，4月。
   4. Koen W.de Bock和Arno de Caigny，2021年。”基于结构化稀疏正则化的样条规则集成分类器在可解释客户流失建模中的应用,"打印后哈尔-03391564，哈尔。
   5. Adler，Werner&Brenning，Alexander&Potapov，Sergej&Schmid，Matthias&Lausen，Berthold，2011年。”成对数据的集合分类,"计算统计与数据分析爱思唯尔，第55卷（5），第1933-1941页，5月。
   6. Christmann，Andreas&Hable，Robert，2012年。”可加模型中使用可加核的支持向量机的一致性,"计算统计与数据分析爱思唯尔，第56卷（4），第854-873页。
   7. 穆拉特·哥克，2015年。”帕金森病检测的最近邻集成算法,"国际系统科学杂志《泰勒与弗朗西斯杂志》，第46卷（6），第1108-1112页，4月。
   8. Narayanaswamy Balakrishnan和Majid Mojirsheibani，2015年。”一种组合估计以提高分类中总体错误率的简单方法,"计算统计学《施普林格》，第30卷（4），第1033-1049页，12月。
   9. K.W.de Bock和D.van den Poel，2011年。”基于旋转的集成分类器在客户流失预测中的实证评估,"打印后hal-00800160，霍尔。
      • K.W.De Bock和D.Van Den Poel，2011年。”基于旋转的集成分类器在客户流失预测中的实证评估,"比利时根特大学经济与工商管理学院工作文件11/717，根特大学经济与工商管理学院。
   10. K.Coussement和K.W.de Bock，2013年。”网络赌博业客户流失预测：集成学习的有益效果,"打印后哈尔-00788063，哈尔。
       • 库塞门特（Coussement），克里斯托夫（Kristof）和德博克（De Bock），科恩·W·（Koen W.），2013年。”在线赌博行业的客户流失预测：集成学习的有益效果,"商业研究杂志爱思唯尔，第66卷（9），第1629-1636页。
   11. Jasmit Shah&Somnath Datta&Susmita Datta，2014年。”应用蛋白质组学进行生存预测的多损失超回归学习器（MSRL）,"计算统计学《施普林格》，第29卷（6），第1749-1767页，12月。
   12. 莫吉尔谢巴尼（Mojirsheibani）、马吉德（Majid）和孔嘉杰（Kong），2016年。”一种渐近最优核组合分类器,"统计与概率信件爱思唯尔，第119（C）卷，第91-100页。
   13. Fitzpatrick，Trevor&Mues，Christophe，2016年。”抵押贷款违约预测分类算法的实证比较：来自不良抵押贷款市场的证据,"欧洲运筹学杂志爱思唯尔，第249（2）卷，第427-439页。

9. K.W.De Bock和D.Van Den Poel&S.Manigart，2009年。”使用多网站点击流数据预测网络广告目标的网站受众人口统计,"比利时根特大学经济与工商管理学院工作文件618年9月，根特大学经济与工商管理学院。
   • K.W.de Bock和D.van den Poel，2010年。”使用多网站点击流数据预测网络广告目标的网站受众人口统计,"打印后hal-00800168，哈尔。

   引用人：

   1. 莫里茨·扎恩（Moritz Zahn）、斯特凡·费尔里格尔（Stefan Feuerriegel）和尼古拉斯·库尔（Niklas Kuehl），2022年。”人工智能中的公平成本：来自电子商务的证据,"商业与信息系统工程：国际WIRTSCHAFTSINFORMATIK杂志，施普林格；Gesellschaft für Informatik e.V.（GI），第64卷（3），第335-348页，6月。
   2. 刘亚西（Yaxi Liu）、程大禹（Dayu Cheng）、陶培（Tao Pei）、花树（Hua Shu）、葛贤慧（Xianhui Ge）、马婷（Ting Ma）、杜云燕（Yunyan Du）、欧阳明（Yang Ou）、王萌（Men。”通过室内定位数据推断购物中心顾客的性别和年龄,"环境与规划B第47（9）卷，第1672-1689页，11月。
   3. DE CNUDDE、Sofie&MARTENS、David&EVGENIOU、Theodoros&PROVOST、Foster，2017年。”行为数据分类技术的基准研究,"工作文件2017005年，安特卫普大学商业与经济学院。
   4. D.Thorleuchter和D.Van Den Poel&A.Prinzie，2011年。”分析现有客户网站以改进客户获取流程以及B-to-B营销中的盈利预测,"比利时根特大学经济与工商管理学院工作文件11/733，根特大学经济与工商管理学院。

文章

1. Coussement，Kristof&Van den Bossche，Filip A.M.&De Bock，Koen W.，2014年。”数据准确性对分割性能的影响：基准RFM分析、逻辑回归和决策树,"商业研究杂志爱思唯尔，第67卷（1），第2751-2758页。
   • K.Coussement&F.A.M.van den Bossche&K.W.de Bock，2012年。”数据准确性对细分性能的影响：基准RFM分析、逻辑回归和决策树,"打印后哈尔-00788060，哈尔。
   参见上述工作文件版本下的引文。
2. 库塞门特（Coussement），克里斯托夫（Kristof）和德博克（De Bock），科恩·W·（Koen W.），2013年。”在线赌博行业的客户流失预测：集成学习的有益效果,"商业研究杂志爱思唯尔，第66卷（9），第1629-1636页。
   • K.Coussement和K.W.de Bock，2013年。”网络赌博业客户流失预测：集成学习的有益效果,"打印后哈尔-00788063，哈尔。
   参见上述工作文件版本下的引文。
3. De Bock，Koen W.&Coussement，Kristof&Van den Poel，德克，2010年。”基于广义可加模型的集成分类,"计算统计与数据分析爱思唯尔，第54（6）卷，第1535-1546页，6月。
   • De Bock，Koen W&Coussement，Kristof&Van den Poel，德克，2010年。”基于广义可加模型的集成分类,"工作文件2010/02，布鲁塞尔大学，经济与管理学院。
   • K.W.De Bock&K.Coussement&D.Van Den Poel，2009年。”基于广义可加模型的集成分类,"比利时根特大学经济与工商管理学院工作文件0625年9月，根特大学经济与工商管理学院。
   • K.W.de Bock&K.Coussement&D.van den Poel，2010年。”基于广义可加模型的集成分类,"打印后哈尔什-00581711，哈尔。
   参见上述工作文件版本下的引文。对不起，没有记录文章的引用。

更多信息

统计

访问和下载统计信息对于所有项目

CollEc上的合著网络

NEP字段

1. 尼泊尔国家石油公司：计算经济学（2）2011年7月13日 2012-11-03
2. NEP-FOR公司：预测（2）2009-12-19 2012-11-03
3. NEP-ECM：计量经济学（1）2010-04-17
4. 尼泊尔：信息和通信技术（1）2009-12-19
5. NEP-MKT公司：市场营销（1）2009-12-19

更正

本网站上的所有材料均由各自的出版商和作者提供。您可以帮助纠正错误和遗漏。有关如何更正RePEc上的材料的一般信息，请参阅这些说明.

要更新列表或检查等待批准的引文，Koen W.De Bock应登录RePEc作者服务.

要更正特定项目的书目信息，请在该项目的摘要页面上找到技术联系人。在那里，还详细介绍了如何添加或更正参考文献和引文。

要链接同一作品的不同版本，其中版本具有不同的标题，使用此表单注意，如果这些版本的标题非常相似，并且在作者的个人资料中，则通常会自动创建链接。

请注意，大多数更正可能需要几周时间才能通过各种RePEc服务进行筛选。