pls演算法的定義

㈠ 顧客滿意度的標準是什麼

顧客滿意度評定準則

本評定準則根據企業標准《質量手冊》的要求制定，由市場部編制《顧客滿意度調查表》並組織實施。
1 顧客滿意度指標
顧客滿意度包括產品特性和服務特性的下列14項指標：
1） 外觀質量；
2） 包裝質量；
3） 穩定性；
4） 安全性；
5） 易操作性；
6） 易維修性；
7） 技術咨詢及資料提供；
8） 產品交付及時性；
9） 安裝調試服務態度；
10） 配件提供；
11） 配件質量；
12） 售後服務及時性；
13） 售後服務質量；
14） 培訓提供；

2 顧客滿意度分級
顧客滿意度分級為5級：
1) 很滿意；
2) 滿意；
3) 一般；
4) 不滿意；
5) 很不滿意。

3 顧客滿意度的測評
3.1 顧客滿意度的權重值

級度 很滿意 滿意 一般 不滿意 很不滿意
分值X 100 80 60 40 20

若顧客在《顧客滿意度調查表》「評價結果」欄中對某項指標表示「滿意」或「一般」，而在「顧客意見和建議」欄中有顧客對該項指標提出的意見和建議時，則該指標的評價結果視為用戶不滿意，按不滿意分值計。

3.2 每項指標的加權分值
14項指標的總分值為100，根據各項指標對顧客滿意影響的重要程度，各指標的加權分值見下表：

項 目 加權
分值
（P） 項 目 加權
分值
（P）
外觀質量 5 產品交付的及時性 7
包裝質量 8 安裝調試服務態度 8
穩定性 8 配件提供 8
安全性 10 配件質量 7
易操作性 7 售後服務及時性 7
易維修性 7 售後服務質量 7
技術咨詢及資料提供 6 培訓提供 5

3.3 顧客滿意度的計算方法
顧客滿意度a = ∑各級滿意度*每項指標的加權分值P*顧客滿意度的權重值X/單項滿分值*100%
其中：
單項滿分值＝∑各級滿意度*每項指標的加權分值P＊100

4 顧客滿意度測評的實施細則
（1）《顧客滿意度調查表》調查工作每年不少於一次，調查或征詢對象主要是近三年使用我公司產品的顧客，每次測評的顧客數不少於3家。
（2）每年度的顧客滿意測評於當年12月上旬以前完成。
（3）每年度內若有顧客以其它方式反映我公司在產品質量、售後服務等項工作中的意見時，市場部對其進行調查分析，確定後納入測評范圍。
（4）每年度顧客滿意度的測評結果上報質管部。

編 制：
審 核：
批 准：

㈡ 11 - PLS，PCA-LDA, DT, ANN簡要介紹

此本來自自己碩士論文的綜述部分。

偏最小二乘法可以分為偏最小二乘回歸法（Partial least square regression, PLSR）與偏最小二乘法判別分析（Partial least square discriminate analysis, PLS-DA）。PLSR實現的主要思想是將自變數和因變數分別進行線性組合分析，再將求得的數據進行關聯分析，所以其為主成分分析、典型相關性分析與多元線性回歸建模的組合。PLS-DA是有監督的判別分析法，Gottfries等首先報道了PLS-DA使用，而後Barker與Rayens明確了其用於判別分析的理論基礎，並且對於其應用的優缺點由Brereton與Lloyd進一步闡釋（Gottfries et al 1995, Barker and Rayens 2003, Brereton and Lloyd 2014 ）。其與PLSR區別是因變數是類別，而不是連續的變數，一般是在PLSR分析後加入一個邏輯判別函數如Sigmoid函數（在邏輯回歸判別中將詳述）。因為兩者前面分析部分相似，故這里主要介紹PLSR演算法。PLSR中自變數與因變數的基礎結構公式為：

X = TPT + E

Y = UQT + F

PLSR一般基於非線性迭代最小二乘演算法（NIPALS）建立。其步驟為（1）對自變數X和因變數Y同時提取各自的主成分t1（x1、x2...xn的線性組合）與u1（y1、y2...yn的線性組合），並且要求這兩個主成分相關性最大；（2）再進行X與Y分別對t1與u1的回歸，若方程達到了設置的滿意度，則停止計算；（3）否則，再利用t1對X解釋後剩餘的信息和u1對Y解釋後剩餘的信息重新按照（1）進行，再次循環，直到符合設定的閾值。最終X可能會提取到t1、t2...tn個主成分，Y提取到u1、u2…un，使Y的u組合對t1、t2...tn進行回歸，進而轉化成Y對x1、x2...xn的回歸方程（Wold et al 2001）。

PLSR是基於FT-MIR建立模型研究中使用最為廣泛和經典的演算法，上述關於基於FT-MIR檢測牛奶脂肪酸、蛋白質及氨基酸和抗生素殘留的定量模型研究中均使用了PLSR演算法，可見其應用之普遍。PLS-DA已在食品分析中的產品認證、醫學診斷中的疾病分類和代謝組分析中進行廣泛應用，並且Gromski等在綜述代謝組的分析中，將其和隨機森林與支持向量機進行了比較（Gromski et al 2015, Lee et al 2018）。

PLS的優點：（1）能處理樣本量遠小於特徵屬性數量的數據；（2）能處理特徵屬性間存在多重共線性的問題；（3）建立的模型時包含自變數與因變數的信息。其缺點有：（1）不能很好的處理非線性問題；（2）容易過擬合，需注意主成分數的選擇。

主成分分析（Principal Component Analysis，PCA）是一種無監督的降維分析方法。PCA降維的基本原則是使降維後方差最大與損失最小，如圖1-2。其實現的基本過程：（1）對所有樣本進行中心化處理；（2）計算樣本的協方差矩陣；（3）對協方差矩陣進行特徵值分解；（4）對得到的特徵值進行排序，取前n個組成新矩陣；（5）以新矩陣來代替原來樣本的特徵（Abdi and Williams 2010, Jolliffe and Cadima 2016）。

線性判別分析（Linear discriminat analysis，LDA）是一種有監督的降維與判別分析方法。LDA降維原則是類別內方差最小，類別間方差最大，這樣的特點更有利於進行判別分析（Anandkumar et al 2015）。其實現的基本過程為（1）計算樣本各類別內的類內散度矩陣Sw；（2）計算樣本各類別間的散度矩陣Sb；（3）對Sw做奇異分解，得到Sw ^-1 ；（4）對Sw ^-1 Sb做特徵分解；（5）取上一步得到的前n特徵向量以最大似然法求得各類別的均值和方差做後續的判別分析。

LDA不適用自變數遠遠大於樣本的情況，而PCA可以，故這里將兩個演算法進行聯用，先以PCA進行降維，再以LDA進行判別分析（Yang and Yang 2003）。

PCA-LDA的優點：（1）兩個演算法的聯用可以同時對原數據進行降維和判別分析；（2）LDA採用的是各類均值，演算法較優。其缺點有（1）只適合符合高斯分布的樣本數據分析；（2）可能會有過擬合的風險。

決策樹是基礎的分類和回歸方法，本研究主要集中在其用於分類上。決策樹是通過樹狀結構對具有特徵屬性的樣本進行分類。每一個決策樹都包括根節點（第一個特徵屬性），內部節點（其他特徵屬性）以及葉子節點（類別），通用的為每個內部節點有兩個分支（Kaminski et al 2018）。其實現的基本步驟：（1）在所有屬性中選擇最優屬性，通過其將樣本分類；（2）將分類的樣本再通過另一個特徵屬性再次分類，一直循環直到將樣本分到各葉子節點；（3）對生成的樹進行剪枝（包含預剪枝與後剪枝）。決策樹選擇特徵屬性的演算法不同會有不同結果，典型演算法包括：CART演算法（Breiman et al 1984）、ID3演算法（Quinlan 1986）、C4.5演算法（Quinlan 1992）等，但這些方法生成的過程相似。

CART採用基尼指數最小化原則，進行特徵選擇，遞歸地生成二叉樹，該演算法只能對特徵進行二分。ID3演算法在各個節點上採用信息增益來選擇特徵，每一次選擇的特徵均使信息增益最大，逐步構建決策樹，但缺點是其會選擇取值較多的特徵，而C4.5演算法採用信息增益比選擇特徵，解決了ID3的缺點。

DT的優點：（1）運行速度相對較快；（2）可同時處理不同類型的數據，基本不需要預處理；（3）結果容易解釋，並可進行可視化。其缺點：（1）容易過擬合，導致泛化能力不強；（2）不支持在線學習，若有新樣本，DT需要全部重建；（3）當各類別數據樣本不平衡時，結果會偏向有更多數值的特徵；（4）不能處理樣本特徵屬性之間的相關性（James et al 2013, Painsky and Rosset 2015）。

人工神經網路是以神經元為單位模仿生物神經網路的結構與功能的數學演算法模型（Marcel and Sander 2018）。其可以進行線性與非線性的判別分析，屬於有監督的學習分類法，主要分為前饋型神經網路、反饋型神經網路與自組織神經網路。

單位神經元如圖1-3中A，一般有多個輸入的「樹突」，再分別給予不同的權重求和，與閾值比較，達到閾值的通過激活函數求出輸出數據，最後進行輸出。激活函數f通常分為三類：閾值函數、分段函數、雙極性連續函數。

這里以經典的單隱層神經網路為例進行講解，如圖1-3中B。其輸入層包含三個神經元，隱含層有四個神經元，輸出層有兩個神經元。其運算過程為由輸入層輸入數據，隨機設定權重和閾值，通過隱藏層計算再傳遞到輸出層，輸出層會根據設定的期望進行判斷，如果不符合，則返回重新改變權重和閾值，進入循環，直到符合設定的期望再停止運算，這樣就能得到模型的權重和閾值，可對新數據進行判別，這種運演算法即為常見的反饋型神經網路（Tu 1996）。多層神經網路屬於深度學習，以卷積神經網路為基礎進行構建。
ANN的優點：（1）能夠自主學習；（2）能解決線性與非線性的問題；（3）可處理因變數之間的相互作用。其缺點：（1）需要設置大量的參數進行約束；（2）結果解釋性差，為黑箱演算法；（3）計算學習時間長；（4）容易過擬合（Tu 1996）。

㈢ 什麼是顧客滿意度如何測量顧客滿意度

顧客滿意度是指顧客認為供應商已達到或超過他的消費預期的一種感受。這個定義的關鍵詞
是：Perception ，即感受。說明這是一個心理指標，它可以 ，也可以不和實際情況相符合，不是
的技術或物理指標。進一步分析，CS 經營中顧客滿意度 概念包括兩個方面：顧客對所購買產品
或服務的滿意度（過去期待的評價）；能夠期待他們未來繼續購買的可能性（新的期待）。滿意
度是消費者消費事前期待與實際評價關系，它超越了「品質」的概念，突出的是無形的服務，追
求的是新的向心（顧客之心）力和顧客產生顧客的效果。
顧客滿意度測量 就是要測知顧客對一個供應商表現的判斷。測量的對象是顧客，是顧客的
內心感覺，而不是傳統的企業本身的內部信息。一個公司，質檢部門的次品報告為零，企業內部
表現不能反映現實顧客滿意度；企業窗口組織向顧客征詢意見，顧客反映良好，可有相當顧客並
不願意接受服務 ，原因何在 ？ ---- 由內部組織的顧客調查使採集信息背離中立原則，顧客不會
把不好聽的話實話實說，也不是我們要測量的滿意度。我們的工作必須具備以下原則 ：1、代表 性；2、中立性；3、真實性；4、科學性。
一、研究概念：
表現差距 ----顧客感受到的五大方面期望與實際經歷之間的差距：促銷差距、理解差距、
程序差距、行為差距和感受差距。
顧客保留 ----贏得一個新顧客所需費用，要比保留一個老顧客的費用搞出許多。
顧客忠誠 ----顧客忠誠的少許增加，企業將獲得巨大收益。
終生顧客價值 ----顧客在本公司的平均消費*公司保留該顧客的時間。
0年 第一年 第二年 第三年 第四年 第五年
客戶數 2000 2010 2029 2057 2092 2135
顧客平均消費 5000 5025 5050 5075 5100 5126
營業額 10，000，000 10，100，250 10，246，450 10，439，275 10，669，200 10，
944，010

顧客保留策略 ----「如何在顧客最關心的方面竭盡全力！」
二、測量目標：
顧客滿意 ---- 是一個組織測定其全部產品相對於一系列顧客期望表現如
何的量尺。
----顧客的優先要求；
----顧客的容忍限度；
----公司表現；
----針對顧客的優先要求所做出的舉措；
----針對競爭者所做的舉措；
----改善措施的先後順序（PFIs模型）。
三、顧客行為理解：
1 、個人購買行為：決策人數少，情感。
決策過程：感受需要 ---- 信息搜集 ---- 評估 ---- 決定 ---- 結果。
信息搜集：內部搜集 ---- 記憶（主觀評價中不好的記憶） ---- 外部搜集 ---- 親友、公共信
息、廣告信息。
評估：信念（核心價值觀、次級群體） ---- 態度（生活方式、年齡、性格）---- 意向（目標、
偏好）。
復雜性：高牽涉度購買行為，低牽涉度購買行為。
2 、組織購買行為： 決策人數多，正式、理智。
決策過程：需求認知 ---- 決定產品規格 ---- 信息搜集 ---- 商家評估 ---- 購貨商談 ----
表現評價。
決策機構（ The DMU ）：提議者、使用者、影響者、購買者、決策者、調解者。
復雜性：新任務，直接重新購買。
四、顧客忠誠度：
· 懷疑者 ---- 市場上所有消費者，包括沒有注意到產品的顧客和沒有購買意圖者。
· 潛在顧客 ---- 有可能成為顧客的購買者，感受到產品，但沒有行動者。
· 一次性顧客 ---- 主要指一次交易的顧客，對公司沒有忠誠可言。
· 長期顧客 ---- 反復交易的顧客，對公司有忠誠感,但只是被動的購買,沒有其他主動行為。
（公司利潤從這里開始產生）
· 支持者 ---- 積極支持和向其他人推薦本公司及產品的顧客。
· 合作者 ---- 結成互惠互利的關系，持久維持。
五、主要研究分析方法：
1、常用調查方法：入戶訪談法，攔截調查,電話測評,小組座談會,神秘顧客法（見後）等。
2、常用設計量表：利克特量表，語意差別量表，數字量表，序列量表，斯馬圖量表。
3、PFIs模型（改善措施的先後順序）（略）

4、滿意度指數（CSI）法
結構化方程模型（SEM, Structural Equation Modeling）
分析方法：結構化方程模型是一種由多種統計模型綜合起來的因果分析型模型，因素分析法、路徑分析法以及回歸分析法都是它的一個特例。採用PLS演算法 ,藉助PLS軟體進行循環運算以求得最優估計值。依據PLS所得到的SEM數據分析該產品（或行業或品牌）在市場中所存在的優勢、不足，分析產品戰略的效果和找出應該採取的措施（例如，價格、質量、包裝、廣告等等）。
? 神秘顧客法
近年來，神秘顧客法監測、評估一線服務顧客滿意度及終端市場管理，正被廣泛使用於各品牌及窗口服務機構，成為商家的競爭和制勝絕招。艾力森曾多次為通訊、家電、IT產品、葯品及各服務機構等提供這種服務。掌握經銷商、經銷點的市場行為，銷售價格，產品渠道管理（否有竄貨）等。監測對象：分支機構、基層服務者、代理售店（鋪）。
神秘顧客研究（Mystery Customer Research）是顧客滿意度調查的重要方法之一。其做法是：由對被調查行業有較深了解的調查者，以普通顧客的身份親歷被調查企業的服務及產品,在真實的消費環境中以專業的視角感知企業與顧客接觸的每一個真實時刻（Moment of Truth）,並將其消費經歷、感受、評價等以《顧客經歷報告》的形式反饋給被委託人。 由於被檢查或需要被評定的對象無法確認「神秘」顧客，較之領導定期或不定期的檢查，能夠更真實、客觀並系統地反映出目標對象的真實狀況。所以，這種方法越來越吸引客戶,是被證明切實有效的市場研究方法。 艾力森使用的「神秘顧客」由經嚴格培訓的訪問員扮演成顧客和直接在市場招募准顧
客再加以培訓構成。依據不同的項目，將分別使用不同的人。
神秘顧客調研的調查者不僅是服務質量的測量者，而且是以真實顧客的身份去親歷服務,這使得調查者體驗到的服務更接近其真實的質量水平。同時，調查者以其自身的個性需求、經歷、興趣偏好、主觀感受等在真實的服務場景中與服務的提供者產生雙向互動,從而使觀察到的結果更接近於質量的本質 —即質量更多地是體現為一種滿足顧客需要的能力, 而非既定的程序、標准。
神秘顧客人選 ：
「神秘顧客」不同於一般性調查的訪問員，具有較高的綜合素質和理解能力、良好的心理狀態、端正的工作態度、敏銳的觀察、分辨能力是調查質量的有力保證。「神秘顧客」要始終堅持公平、公正、中立、保密的工作原則。具備議價能力,有相當的記憶能力。「神秘顧客」分為兩種，一種為「即時神秘顧客」（隨機抽取那 些正在消費、服務的顧客,對其進行即時調查監測），一種為「長期神秘顧客」（經相關培訓的專門人員,對服務專業型較強的公司、單位進行長期監測）。
培訓：
具有了行為學、心理學基礎知識的「神秘顧客」在調查過程中, 表現更自然、不易暴露,另一方面更容易了解服務人員的心理，易於發現服務管理中存在的問題。

調查技巧 ：
「神秘顧客」要始終堅持公平、公正、中立的工作態度，並具有良好的心態和心理素質，
要始終保持一種普通顧客的心態。由於服務質量是由有形實物質量、有形的服務設備和服務設施的質量、有形的服務環境的質量和無形的服務勞動的質量構成的統一體，每一部分都是服務質量不可分割的組成部分。因此「神秘顧客」進行調 查時就要遵循「眼看耳聽、用心感受」八字方針，使硬體服務和軟體服務均得到綜合考察。「眼看」就是根據考核的服務質量
指標，細心觀察服務設施是否齊全、營 業人員的服務形象等內容；「耳聽」就是傾聽營業人
員服務過程中服務用語、業務介紹；「用心感受」：感受營業環境和設施，營業人員的服務
態度、意識。

行走線路：
右手原則行走並觀察。

㈣ 專業英語單詞（電子製造類的）

DOA:到貨即損。經銷商收到廠家的貨後,開箱就是壞的，就可以退貨和更換，但是這是有個期限的。一般7天到60天不等。
如果超過DOA期限，就屬於RMA：壞品維修期限了。不能退貨的。
PM=PageMaker
排版軟體
PS=PhotoShop
圖象圖象處理軟體
兩個都是Adobe公司的
PL=piao
liang
=漂亮
PL是Polarizing
的縮寫。Polarizer
指的是偏振光
PL鏡也就是偏振鏡或偏光鏡
財務核算GLD模塊
QC即英文QUALITY
CONTROL的簡稱，中文
意義是品質控制，其在ISO8402：1994的定義
是「為達到品質要求所採取的作業技術和活動」
。有些推行ISO9000的組織會設置這樣一個部門
或崗位，
負責ISO9000標准所要求的有關品質控制的職
能，擔任這類工作的人員就叫做QC人員，相當
於一般企業中的產品檢驗員，包括進貨檢驗員
（IQC）、製程檢驗員（IPQC）和最終檢驗員
（FQC）
QC舊七大手法指的是：檢查表、層別法、柏拉圖、因果圖、散布圖、直方圖、管制圖。
推行QC七大手法的情況，一定程度上表明了公司管理的先進程度。這些手法的應用之成敗，將成為公司升級市場的一個重要方面：幾乎所有的OEM客戶，都會把統計技術應用情況作為審核的重要方面，例如TDI、MOTOROLA等。
ADC=
Analog-to-Digital
Converter的縮寫，指模/數轉換器或者模擬/數字轉換器。真實世界的模擬信號，例如溫度、壓力、聲音或者圖像等，需要轉換成更容易儲存、處理和發射的數字形式。
高性能模數轉換器(ADC)和數模轉換器(DAC)與單晶元處理器和外圍設備集成在一起，用來增加對模擬電路的支持。
895中的f/w
updrade是干什麼
用的
？
是安了無驅版的固件的小艾升級固件時用的。無驅版直接在機器上升。有驅版是接到電腦上通過管理軟體升。
OQA（Output
Quality
Assurance
出貨質量保證人員）
什麼是SOP
所謂SOP,是
Standard
Operation
Procere三個單詞中首字母的大寫
,即標准作業程序,就是將某一事件的標准操作步驟和要求以統一的格式描述出來,用來指導和規范日常的工作.SOP的精髓,就是將細節進行量化,用更通俗的話來說,SOP就是對某一程序中的關鍵控制點進行細化和量化.從對SOP的上述基本界定來看,SOP具有以下一些內在的特徵:
SOP是一種程序.SOP是對一個過程的描述,不是一個結果的描述.同時,SOP又不是制度,也不是表單,是流程下面某個程序中關控制點如何來規范的程序.
SOP是一種作業程序.SOP首是一種操作層面的程序,是實實在在的,具體可操作的,不是理念層次上的東西.如果結合ISO9000體系的標准,SOP是屬於三階文件,即作業性文件.
SOP是一種標準的作業程序.所謂標准,在這里有最優化的概念,即不是隨便寫出來的操作程序都可以稱做SOP,而一定是經過不斷實踐總結出來的在當前條件下可以實現的最優化的操作程序設計.說得更通俗一些,所謂的標准,就是盡可能地將相關操作步驟進行細化,量化和優化,細化,量化和優化的度就是在正常條件下大家都能理解又不會產生歧義.
SOP不是單個的,是一個體系.雖然我們可以單獨地定義每一個SOP,但真正從企業管理來看,SOP不可能只是單個的,必然是一個整體和體系,也是企業不可或缺的.余世維在他的講座中也特別提到:一個公司要有兩本書,一本書是紅皮書,是公司的策略,即作戰指導綱領;另一本書是藍皮書,即SOP,標准作業程序,而且這個標准作業程序一定是要做到細化和量化.
當口(
)是具有某種特性的時變序列時，(1)式為變步長LMS演算法．藉助於梯度修正定義，導出了兩個具有擬最小二乘性的自適應濾波演算法，稱為PLS演算法或PLS演算法對
pls是什麼類型的文件
網路流媒體
目前流行的windows
media
player採用連續播放的一種格式比如你有三個wma或mp3文件,想採用windows
media
player連續播放的話,可以這么編寫成.pls文件aaa.pls
什麼是DET1.0專家系統生成工具
DET1.0專家系統開發工具是一個建造專家系統應用程序的軟體工具平台,它採用Agent技術基於模型知識表示和案例推理的方法,把您在多種編輯器下寫好的專業領域知識(也稱源知識庫)"轉變"成計算機應用軟體...
PCS就是一種單位的英文縮寫
即pieces
一片
==================
所謂PCS其實就是美國數字移動通信系統服務的總稱。具體而言，PCS就是一個包含數字手機、無繩電話（Codeless
Phone）和固定無線連接（FWA）等范圍更加廣泛的通信服務的總稱。雖然在日本也把包括PHS在內的行動電話總稱為「手機」，但是PCS則是一個意義更加廣泛的術語。
============================================
PCS是美國sprint推出的一種網路服務，它的前身是PTT（PushToTalk）是一種主要用於一對多打電話的服務網路，最開始只有TALK功能，後來有了voicemail等增值服務，於是改名叫做PTC(PushToCommunication)到現在這項服務已經非常成熟，全稱叫做Sprint
PCS
vision
PCS全稱也就是push
to
communication
service

㈤ 如何製作調查顧客滿意度調查如何測量顧客滿意度

顧客滿意度是指顧客認為供應商已達到或超過他的消費預期的一種感受。這個定義的關鍵詞是：Perception ，即感受。說明這是一個心理指標，它可以 ，也可以不和實際情況相符合，不是的技術或物理指標。進一步分析，CS 經營中顧客滿意度 概念包括兩個方面：顧客對所購買產品
或服務的滿意度（過去期待的評價）；能夠期待他們未來繼續購買的可能性（新的期待）。滿意度是消費者消費事前期待與實際評價關系，它超越了「品質」的概念，突出的是無形的服務，追求的是新的向心（顧客之心）力和顧客產生顧客的效果。（詳情可參考《調查圈》）

顧客滿意度測量 就是要測知顧客對一個供應商表現的判斷。測量的對象是顧客，是顧客的內心感覺，而不是傳統的企業本身的內部信息。一個公司，質檢部門的次品報告為零，企業內部表現不能反映現實顧客滿意度；企業窗口組織向顧客征詢意見，顧客反映良好，可有相當顧客並不願意接受服務 ，原因何在 ？ ---- 由內部組織的顧客調查使採集信息背離中立原則，顧客不會把不好聽的話實話實說，也不是我們要測量的滿意度。我們的工作必須具備以下原則 ：1、代表 性；2、中立性；3、真實性；4、科學性。 （詳情可參考《調查圈》）

一、研究概念：
表現差距 ----顧客感受到的五大方面期望與實際經歷之間的差距：促銷差距、理解差距、程序差距、行為差距和感受差距。
顧客保留 ----贏得一個新顧客所需費用，要比保留一個老顧客的費用搞出許多。
顧客忠誠 ----顧客忠誠的少許增加，企業將獲得巨大收益。
終生顧客價值 ----顧客在本公司的平均消費*公司保留該顧客的時間。
0年 第一年 第二年 第三年 第四年 第五年
客戶數 2000 2010 2029 2057 2092 2135
顧客平均消費 5000 5025 5050 5075 5100 5126
營業額 10，000，000 10，100，250 10，246，450 10，439，275 10，669，200 10，
944，010

顧客保留策略 ----「如何在顧客最關心的方面竭盡全力！」
二、測量目標：
顧客滿意 ---- 是一個組織測定其全部產品相對於一系列顧客期望表現如
何的量尺。
----顧客的優先要求；
----顧客的容忍限度；
----公司表現；
----針對顧客的優先要求所做出的舉措；
----針對競爭者所做的舉措；
----改善措施的先後順序（PFIs模型）。
三、顧客行為理解：
1 、個人購買行為：決策人數少，情感。
決策過程：感受需要 ---- 信息搜集 ---- 評估 ---- 決定 ---- 結果。
信息搜集：內部搜集 ---- 記憶（主觀評價中不好的記憶） ---- 外部搜集 ---- 親友、公共信息、廣告信息。
評估：信念（核心價值觀、次級群體） ---- 態度（生活方式、年齡、性格）---- 意向（目標、偏好）。（詳情可參考《調查圈》）
復雜性：高牽涉度購買行為，低牽涉度購買行為。
2 、組織購買行為： 決策人數多，正式、理智。
決策過程：需求認知 ---- 決定產品規格 ---- 信息搜集 ---- 商家評估 ---- 購貨商談 ----表現評價。
決策機構（ The DMU ）：提議者、使用者、影響者、購買者、決策者、調解者。
復雜性：新任務，直接重新購買。
四、顧客忠誠度：
· 懷疑者 ---- 市場上所有消費者，包括沒有注意到產品的顧客和沒有購買意圖者。
· 潛在顧客 ---- 有可能成為顧客的購買者，感受到產品，但沒有行動者。
· 一次性顧客 ---- 主要指一次交易的顧客，對公司沒有忠誠可言。
· 長期顧客 ---- 反復交易的顧客，對公司有忠誠感,但只是被動的購買,沒有其他主動行為。
（公司利潤從這里開始產生）
· 支持者 ---- 積極支持和向其他人推薦本公司及產品的顧客。
· 合作者 ---- 結成互惠互利的關系，持久維持。
五、主要研究分析方法：（詳情可參考《調查圈》）
1、常用調查方法：入戶訪談法，攔截調查,電話測評,小組座談會,神秘顧客法（見後）等。
2、常用設計量表：利克特量表，語意差別量表，數字量表，序列量表，斯馬圖量表。
3、PFIs模型（改善措施的先後順序）（略）

4、滿意度指數（CSI）法 （詳情可參考《調查圈》）
結構化方程模型（SEM, Structural Equation Modeling）
分析方法：結構化方程模型是一種由多種統計模型綜合起來的因果分析型模型，因素分析法、路徑分析法以及回歸分析法都是它的一個特例。採用PLS演算法 ,藉助PLS軟體進行循環運算以求得最優估計值。依據PLS所得到的SEM數據分析該產品（或行業或品牌）在市場中所存在的優勢、不足，分析產品戰略的效果和找出應該採取的措施（例如，價格、質量、包裝、廣告等等）。
? 神秘顧客法
近年來，神秘顧客法監測、評估一線服務顧客滿意度及終端市場管理，正被廣泛使用於各品牌及窗口服務機構，成為商家的競爭和制勝絕招。艾力森曾多次為通訊、家電、IT產品、葯品及各服務機構等提供這種服務。掌握經銷商、經銷點的市場行為，銷售價格，產品渠道管理（否有竄貨）等。監測對象：分支機構、基層服務者、代理售店（鋪）。
神秘顧客研究（Mystery Customer Research）是顧客滿意度調查的重要方法之一。其做法是：由對被調查行業有較深了解的調查者，以普通顧客的身份親歷被調查企業的服務及產品,在真實的消費環境中以專業的視角感知企業與顧客接觸的每一個真實時刻（Moment of Truth）,並
將其消費經歷、感受、評價等以《顧客經歷報告》的形式反饋給被委託人。 由於被檢查或需要被評定的對象無法確認「神秘」顧客，較之領導定期或不定期的檢查，能夠更真實、客觀並系統地反映出目標對象的真實狀況。所以，這種方法越來越吸引客戶,是被證明切實有效的市場研究方法。 艾力森使用的「神秘顧客」由經嚴格培訓的訪問員扮演成顧客和直接在市場招募准顧客再加以培訓構成。依據不同的項目，將分別使用不同的人。 （詳情可參考《調查圈》）
神秘顧客調研的調查者不僅是服務質量的測量者，而且是以真實顧客的身份去親歷服務,這使得調查者體驗到的服務更接近其真實的質量水平。同時，調查者以其自身的個性需求、經歷、興趣偏好、主觀感受等在真實的服務場景中與服務的提供者產生雙向互動,從而使觀察到的結果更接近於質量的本質 —即質量更多地是體現為一種滿足顧客需要的能力, 而非既定的程序、標准。
神秘顧客人選 ：
「神秘顧客」不同於一般性調查的訪問員，具有較高的綜合素質和理解能力、良好的心理狀態、端正的工作態度、敏銳的觀察、分辨能力是調查質量的有力保證。「神秘顧客」要始終堅持公平、公正、中立、保密的工作原則。具備議價能力,有相當的記憶能力。「神秘顧客」分為兩種，一種為「即時神秘顧客」（隨機抽取那 些正在消費、服務的顧客,對其進行即時調查監測），一種為「長期神秘顧客」（經相關培訓的專門人員,對服務專業型較強的公司、單位進行長期監測）。 （詳情可參考《調查圈》）
培訓：
具有了行為學、心理學基礎知識的「神秘顧客」在調查過程中, 表現更自然、不易暴露,另一方面更容易了解服務人員的心理，易於發現服務管理中存在的問題。（詳情可參考《調查圈》）

調查技巧 ：
「神秘顧客」要始終堅持公平、公正、中立的工作態度，並具有良好的心態和心理素質，要始終保持一種普通顧客的心態。由於服務質量是由有形實物質量、有形的服務設備和服務設施的質量、有形的服務環境的質量和無形的服務勞動的質量構成的統一體，每一部分都是服務質量不可分割的組成部分。因此「神秘顧客」進行調 查時就要遵循「眼看耳聽、用心感受」八字方針，使硬體服務和軟體服務均得到綜合考察。「眼看」就是根據考核的服務質量指標，細心觀察服務設施是否齊全、營 業人員的服務形象等內容；「耳聽」就是傾聽營業人員服務過程中服務用語、業務介紹；「用心感受」：感受營業環境和設施，營業人員的服務態度、意識。
行走線路：
右手原則行走並觀察。
（詳情可參考《調查圈》）

㈥ GA PLS 什麼意思

GA ：遺傳演算法PLS：偏最小二乘法

㈦ 關於偏最小二乘法的數據處理

矩陣標准化啊，例如矩陣W，標准化之後是w'=w'/（w'w）^1/2
偏最小二乘法的數據處理:
建立偏最小二乘回歸分析法預測模型並對數據進行預測
偏最小二乘法回歸分析法建立為雙線模型，其中為包含外部快（X獨立模塊和Y獨立模塊），以及兩者之間的內部快（X和Y的聯系模塊），模型對X的潛變數進行了修改，使其與Y的協方差達到最大，即把特徵值近於零的數據刪除。程序實現過程如下：
確立回歸模型為Y=XB；
其中B=W（PTW）-1QT（W為權重，P為X的載荷矩陣，Q為Y的載荷矩陣）；
Y=UQT+F=uaqTa;(U為Y的得分矩陣，ua為Y的得分向量，qa為荷載向量，F為殘差)；
X=TPT+E=tapTa；（T為X的得分矩陣，ta為X的得分向量，pa為荷載向量，E為殘差）；
提取Y，X的潛向量，當維數l=0時，X=Xoriginal-x（x為平均數）；Y=Yoriginal-y（y為平均數）；
通過主成分分析法對維數l=1到l=d進行循環估計：
將Y的第一列作為初始的得分向量u，即u=y1；
a.計算X的權重:wT=uTX/uTu;
b.對權重標准化:wT=wT/（wTw）1/2;
c.估計X矩陣的得分向量:t=XwT；
d.計算X的載荷向量:qT=tT/tTt;
e.計算Y矩陣的得分向量:u=Yq/qTq,若||unew-uold||<(||unew||-閥值)則趨於收斂，停止循環，閥值由計算機的精度決定；
f.計算內部關聯向量:b=uTt/tTt;
g.計算Y矩陣的載荷向量:pT=tTX/tTt;
h.計算X和Y矩陣的殘差:E=X-tpT，F=Y-uqT；計算標准方差Rcv，若其大於預期精度，則得到最佳維數，獲得最終的B。

㈧ 什麼是PLS-DA分析法

PLS-DA分析法指的是偏最小二乘回歸分析法。

偏最小二乘回歸分析法是一種統計學方法，與主成分回歸有關系，但不是尋找響應變數和自變數之間最大方差的超平面，而是通過投影分別將預測變數和觀測變數投影到一個新空間，來尋找一個線性回歸模型。

因為數據X和Y都會投影到新空間，PLS系列的方法都被稱為雙線性因子模型。當Y是分類數據時稱為「偏最小二乘判別分析（Partial least squares Discriminant Analysis， PLS-DA）」。

(8)pls演算法的定義擴展閱讀：

偏最小二乘回歸的演算法：

偏最小二乘的許多變數是為了估計因子和載荷矩陣T、U、P和Q。它們中大多數構造了X和Y之間線性回歸的估計Y=XB+Bo。一些偏最小二乘演算法只適合Y是一個列向量的情況，而其它的演算法則處理了Y是一個矩陣的一般情況。

演算法也根據他們是否估計因子矩陣T為一個正交矩陣而不同。最後的預測在所有不同最小二乘演算法中都是一樣的，但組件是不同的。

參考資料來源：網路-偏最小二乘回歸法

㈨ 代謝組差異代謝物分析簡介

差異代謝物分析包括多元統計分析和單維統計分析，其中多元統計能捕捉到具有相互關聯的差異性變數有利於代謝調控網路研究；單維的統計能獨立分析單個變數的統計學意義，在數據分析中起到驗證和補充的作用；因此代謝組學中使用多元統計和單維統計同時篩選到的差異變數應該是最重要和最值得關注的差異代謝物。

主成分分析是一種無監督的多元統計分析方法，能從總體上反應各組樣本之間的總體差異和組內樣本之間的變異度大小。基本原理是利用數學的方法，將原來變數重新組合成新的互相無關的幾個綜合變數（即主成分），對所有因素按重要性排序，通常靠後的微小因素被忽略掉，通過降維，從而起到簡化數據的作用。實際項目中，我們可以通過PCA找出離群樣品、判別相似性高的樣品簇等。

在模型計算時，首先找到一條直線使所有樣品距離該直線的殘差平方和最小，而投影在此數軸方向的矢量平方和最大，那麼該直線方向也就體現了樣品間最大差異，由此得到第一個主成分（PC1）；在此基礎上，沿著與前一個主成分直線垂直方向找到其次差異最顯著的直線，得到第二個主成分（PC2），如此反復。判別PCA模型質量好壞的主要參數為R2X，該值代表降維後的數據對原始數據的解釋率，該值越接近1越理想，一般認為R2X大於0.5說明模型效果較好。

PLS-DA（Partial Least Squares Discriminant Analysis）是基於經典的偏最小二乘回歸模型的判別分析方法，其響應變數是一組反應統計單元間類別關系的分類信息，是一種有監督的判別分析方法，經常用來處理分類和判別問題。通過對主成分適當的旋轉，PLS-DA可以有效的對組間觀察值進行區分，並且能夠找到導致組間區別的影響變數。PLS-DA作為一種有監督的分析方法，在分析時必須對樣品進行指定並分組，這樣分組後模型將自動加上一個隱含的數據集Y，這種模型計算的方法強行把各組分門別類，有利於發現不同組間的異同點。

對於組間差異不夠明顯的樣品，採用PCA方法常常無法區分樣品的組間差異，這種情況下採用PLS-DA模型可能更加有效。

OPLS-DA（Orthogonal Partial Least Squares Discriminant Analysis）是PLS-DA的衍生演算法，與PLS-DA相比，OPLS-DA是結合了正交信號矯正（OSC）和PLS-DA兩個方法，能夠將X矩陣信息分解成與Y相關和不相關的兩類信息，通過去除不相關的差異，相關的信息就集中表現在第一個預測成分（predictive component）。

與PLS相比，OPLS的觀測變數矩陣X中與預測變數矩陣Y中無關聯的「噪音」變數會被濾除/忽略，即除去X數據變數中與Y變數無關或正交的變異因素。OPLS-DA根據數據表Y的差異將數據表X的差異分為兩個部分，第一部分代表與Y相關的差異，第二部分代表與Y不相關（正交垂直）的差異，OPLS-DA可將這兩部分差異進行區分。通過這種方式，OPLS-DA可以更好地區分組間差異，提高模型的有效性和解析能力。

主成分個數的確定

R2X是用來評價PCA 模型對X變數差異的解釋率。隨著主成分的增加，R2X 值累加值也會增加，但是當主成分增加到一定的程度時，也就是累計解釋率達到某一個閾值（0.5）時，主成分個數將不再增加。R2Y和Q2Y分別用來評價PLS和OPLS模型的建模能力和預測能力。隨著建模主成分的增加，Q2值累加值也會增加，但是當主成分增加到一定的程度時，Q2值出現平台或開始下降，例如,當增加到第六個主成分時，建模的Q2開始下降，那麼應該選擇前5個主成分作為最終的建模所需數目。

七次循環交互驗證（****7-fold cross validation****）

每次建立PLS-DA或OPLS-DA模型時，首先排除1/7的樣本建模，然後利用建立的模型對這部分樣本進行預測，一直循環到所有樣本都排除過一次為止，最後建立的模型是綜合建立的所有模型的結果。 模型的評價參數是R2X，R2Y和Q2，其中R2X 和R2Y分別表示對X矩陣和Y矩陣的解釋率，Q2是通過交叉驗證計算得出，表示模型的預測能力。這三個指標越接近於1，表示模型越穩定可靠。

置換檢驗（****response permutation testing****）

RPT一種用來評價PLS和OPLS模型准確性的隨機排序方法，用來標識監督性學習方法獲得分類不是偶然的。該方法固定X矩陣，將先前定義的分類Y矩陣的變數進行隨機排列n次（一般100~1000次），每次排列組合後，構建新的PLS或OPLS模型，計算相應的模型累積的R2Y和Q2值。將原始分類的Y矩陣、n次不同排列的Y矩陣與R2Y、Q2進行線性回歸，得到的回歸直線與y軸的截距值作為衡量模型是否過擬合的標准。通常R2截距值應明顯小於模型變數解釋度，並小於0.3（越接近0越好），Q2截距值應明顯小於模型變數預測度，並小於0.05。

（1）單因素方差分析（One-way ANOVA），它適用於只研究一個試驗因素的情況，目的在於正確判斷該試驗因素各處理的相對效果；用於檢驗多組樣本的均值是否相同，比較物種、功能或基因在3組或3組以上樣本組中的分布是否存在顯著性差異，然後對有差異的物種、功能或基因進行post-hoc檢驗，找出多組中存在差異的樣本組。

（2）post-hoc檢驗是指在進行多組檢驗之後進行的進一步檢驗，對有差異的多組的組別再進行兩兩比較，檢測多組中存在差異的樣本組，其檢驗方法包括「Games-Howell」，「Scheffe」，「Tukey-Kramer」，「Welch's (uncorrected)」，兩兩比較的顯著性水平分別為：0.90、0.95、0.98、0.99、0.999。

Gameshowell即成對比較檢驗。當方差和樣本容量不相等時，適合使用此檢驗。當方差不相等且樣本容量較小時，Tukey-Kramer法更合適。

各個水平試驗次數不盡相同時可用scheffe法，簡稱S法。

Scheffe（最常用，不需要樣本數目相同）為均值的所有可能的成對組合執行並發的聯合成對比較。使用F取樣分布。可用來檢查組均值的所有可能的線性組合，而非僅限於成對組合。

Scheffe的應用指征：（1）各組樣本數相等或不等均可以，但是以各組樣本數不相等使用較多；（2）如果比較的次數明顯地大於均數的個數時，Scheffe法的檢驗功效可能優於Bonferroni法和Sidak法。

Tukey（最常用，需要樣本數目相同）使用學生化的范圍統計量進行組間所有成對比較，將試驗誤差率設置為所有成對比較的集合的誤差率。

Tukey（1952，1953）以學生化極差為理論根據，提出了專門用於兩兩比較的檢驗（有時也稱最大顯著差檢驗）。當各組樣本含量相等時，此檢驗控制MEER（最大試驗誤差率）；當樣本含量不等時，Tukey（1953）和Kramer（1956）分別獨立地提出修正的方法。對Tukey- Kramer法控制MEER沒有一般的證明，但Dunnett（1980）用蒙特卡洛法研究發現此法非常好。

（1）兩組比較的樣本的總體方差不相等的情況下，使用welch檢驗，計算統計量t。

（2）Kruskal-Wallis秩和檢驗，它是一種將兩個獨立樣本的Wilcoxon秩和檢驗推廣到多組（大於等於3）獨立樣本非參數檢驗的方法，該分析可以對多組樣本的物種/功能進行顯著性差異分析。

（3）多重檢驗校正，對P值進行多重檢驗校正的方法，包括：「holm」，「hochberg」， 「hommel」， 「bonferroni」，「BH」，「BY」，「fdr」，「none」。「none」即不校正，默認為「fdr」。

通常把「至少有一個錯誤」的概率稱為FWER（Family-Wise Error Rate）。

FWER = 1 - (1-α) ^m

假設我們做m個相互獨立的檢驗，我們的目標是：FWER = 1- (1- α) ^m =0.05。

由於當α很小時，存在這一的近似關系 (1-α) ^m ≈ 1-mα，因此

1-(1-α)m = mα = 0.05，即α=0.05/m。

也就是說每一個檢驗的顯著水平不再是0.05了，而應該是0.05/m。對於每一個檢驗的P值，有P<α=0.05/m，我們才能拒絕H ₀ ；

這樣我們就校正了顯著水平，當然我們也可以讓α保持不變，去校正P值：P*m<α=0.05，我們才能拒絕H ₀ ；

也就是說，每一個檢驗做出來的P值，我們都要乘以m，叫做校正後的P值，然後去和0.05進行比較。

一共有m個檢驗，其中最終選擇接受原假設的有W個，拒絕的有R個，在拒絕的R個中，有V個是錯誤拒絕的，有S個是正確拒絕的。fdr（Falsely Discovery Rate）的定義為：

fdr = E(V/R)。

fdr也就是錯誤拒絕的檢驗個數占所有拒絕的檢驗個數的比，它只關注所有拒絕掉的檢驗中，錯誤拒絕的比例，fdr的目的就是要將這個比例降低到α。

原理：首先，對m個P值按從小到大的順序進行排序，從P(1)開始，到P(2)、P(3) ...，挨個進行比較，直到找到最大的P(i)滿足：

找到之後，拒絕之前所有的原假設H(i)，i=1，2，3...i。

至此，完成fdr的校正。或者，保持α不變，將P值校正為mP(i)/i，這個值又稱為Q值: Q-value(i) = m × P(i)/i < α。

分析軟體：R的stats包和Python的scipy包。

（1）Student's T檢驗（方差相等），在兩組樣本方差相等時可選擇該檢驗。可用於檢驗兩組樣本的均值是否相同，通過此分析可以比較物種/功能在兩組樣本組中的分布是否存在顯著性差異，並對P值進行多種方法的校正。

（2）Welch's T檢驗（方差不等），在兩組樣本方差不相等時可選擇該檢驗。可用於檢驗兩組樣本的均值是否相同，通過此分析可以比較物種/功能在兩組樣本組中的分布是否存在顯著性差異，並對P值進行多種方法的校正。

（3）Wilcoxon秩和檢驗，也叫曼-惠特尼U檢驗（Mann–Whitney U test），是兩組獨立樣本非參數檢驗的一種方法。其原假設為兩組獨立樣本來自的兩總體分布無顯著差異，通過對兩組樣本平均秩的研究來實現判斷兩總體的分布是否存在差異，該分析可以對兩組樣本的物種/功能進行顯著性差異分析，並對P值進行多種方法的校正。

（4）Wilcoxon符號秩檢驗，主要用於兩組配對樣本的非參數檢驗，推斷兩組相關樣本所來自的兩個總體的中位數是否相等。其原假設為兩組配對樣本差值的中位值為0，通過對等級差值的絕對值從小到大編秩，根據差值標上正負符號，分別求正負秩次之和，進行假設檢驗， 從而判斷兩組總體的分布是否存在差異。該分析可以對兩組樣品的物種/功能進行顯著性差異分析，並對P值進行多種方法的校正。

（5）多重檢驗校正，對P值進行多重檢驗校正的方法，包括：「holm」，「hochberg」， 「hommel」， 「bonferroni」，「BH」，「BY」，「fdr」，「none」。「none」即不校正，默認為「fdr」。

（6）單雙尾檢驗，用於指定所求置信區間的類型，可選擇雙尾檢驗（求置信區間），左尾檢驗（求置信上限）和右尾檢驗（求置信下限）。

（7）CI計算方法，即計算置信區間的方法，包括「bootstrap」，「Student's inverted」和「Welch's inverted」，置信度可選擇：0.90，0.95，0.98，0.99，0.999。

bootstrap演算法對應Wilcoxon秩和檢驗和Wilcoxon符號秩檢驗。

Student's inverted對應Student's T檢驗。

Welch's inverted對應Welch's T檢驗。

分析軟體：R的stats包和Python的scipy包。

（1）卡方檢驗，對兩個樣本間的物種/功能的豐度差異進行比較，通過此分析可獲得物種/功能在兩個對比樣本中的差異顯著性。適用條件：兩個樣本容量都大於20。

（2） Fisher's 精確檢驗，對兩個樣本間的物種/功能的豐度差異進行比較，通過此分析可獲得物種/功能在兩個對比樣本中的差異顯著性。適用條件：兩個樣本容量小於等於20。

（3）單雙尾檢驗，單雙尾檢驗，用於指定所求置信區間的類型，可選擇雙尾檢驗（求置信區間），左尾檢驗（求置信上限）和右尾檢驗（求置信下限）。

（4）多重檢驗校正，對P值進行多重檢驗校正的方法，包括：「holm」，「hochberg」， 「hommel」， 「bonferroni」，「BH」，「BY」，「fdr」，「none」。「none」即不校正，默認為「fdr」。

（5）CI計算方法，即計算置信區間的方法，方法包括：「Diff Between Prop Asymptotic CC」，「Diff Between Prop Asymptotic」，「Newcombe Wilson」。置信度可選擇：0.90，0.95，0.98，0.99，0.999。

Diff Between Prop Asymptotic：即DP: Asymptotic，標准大樣本法。

Diff Between Prop Asymptotic CC：即DP: Asymptotic with CC，基於連續校正的標准大樣本法解釋分布的近似離散性。

Newcombe Wilson：即DP: Newcombe-Wilson，該方法為Newcombe對比7種漸近方法後的推薦方法。

分析軟體：R的stats包和Python的scipy包。

㈩ 請問MOE軟體中PLS線性回歸分析的原理是什麼啊

比較了非線性回歸3種方法的數學原理:曲線直線化方法、非線性最小二乘方法、近似非線性法說明了用方差分析確定回歸模型的統計學意義、用決定系數R2描述曲線的擬合效果

提示：當數據不存在線性關系時，利用EXCEL回歸分析