pls算法的定义

㈠ 顾客满意度的标准是什么

顾客满意度评定准则

本评定准则根据企业标准《质量手册》的要求制定，由市场部编制《顾客满意度调查表》并组织实施。
1 顾客满意度指标
顾客满意度包括产品特性和服务特性的下列14项指标：
1） 外观质量；
2） 包装质量；
3） 稳定性；
4） 安全性；
5） 易操作性；
6） 易维修性；
7） 技术咨询及资料提供；
8） 产品交付及时性；
9） 安装调试服务态度；
10） 配件提供；
11） 配件质量；
12） 售后服务及时性；
13） 售后服务质量；
14） 培训提供；

2 顾客满意度分级
顾客满意度分级为5级：
1) 很满意；
2) 满意；
3) 一般；
4) 不满意；
5) 很不满意。

3 顾客满意度的测评
3.1 顾客满意度的权重值

级度 很满意 满意 一般 不满意 很不满意
分值X 100 80 60 40 20

若顾客在《顾客满意度调查表》“评价结果”栏中对某项指标表示“满意”或“一般”，而在“顾客意见和建议”栏中有顾客对该项指标提出的意见和建议时，则该指标的评价结果视为用户不满意，按不满意分值计。

3.2 每项指标的加权分值
14项指标的总分值为100，根据各项指标对顾客满意影响的重要程度，各指标的加权分值见下表：

项 目 加权
分值
（P） 项 目 加权
分值
（P）
外观质量 5 产品交付的及时性 7
包装质量 8 安装调试服务态度 8
稳定性 8 配件提供 8
安全性 10 配件质量 7
易操作性 7 售后服务及时性 7
易维修性 7 售后服务质量 7
技术咨询及资料提供 6 培训提供 5

3.3 顾客满意度的计算方法
顾客满意度a = ∑各级满意度*每项指标的加权分值P*顾客满意度的权重值X/单项满分值*100%
其中：
单项满分值＝∑各级满意度*每项指标的加权分值P＊100

4 顾客满意度测评的实施细则
（1）《顾客满意度调查表》调查工作每年不少于一次，调查或征询对象主要是近三年使用我公司产品的顾客，每次测评的顾客数不少于3家。
（2）每年度的顾客满意测评于当年12月上旬以前完成。
（3）每年度内若有顾客以其它方式反映我公司在产品质量、售后服务等项工作中的意见时，市场部对其进行调查分析，确定后纳入测评范围。
（4）每年度顾客满意度的测评结果上报质管部。

编 制：
审 核：
批 准：

㈡ 11 - PLS，PCA-LDA, DT, ANN简要介绍

此本来自自己硕士论文的综述部分。

偏最小二乘法可以分为偏最小二乘回归法（Partial least square regression, PLSR）与偏最小二乘法判别分析（Partial least square discriminate analysis, PLS-DA）。PLSR实现的主要思想是将自变量和因变量分别进行线性组合分析，再将求得的数据进行关联分析，所以其为主成分分析、典型相关性分析与多元线性回归建模的组合。PLS-DA是有监督的判别分析法，Gottfries等首先报道了PLS-DA使用，而后Barker与Rayens明确了其用于判别分析的理论基础，并且对于其应用的优缺点由Brereton与Lloyd进一步阐释（Gottfries et al 1995, Barker and Rayens 2003, Brereton and Lloyd 2014 ）。其与PLSR区别是因变量是类别，而不是连续的变量，一般是在PLSR分析后加入一个逻辑判别函数如Sigmoid函数（在逻辑回归判别中将详述）。因为两者前面分析部分相似，故这里主要介绍PLSR算法。PLSR中自变量与因变量的基础结构公式为：

X = TPT + E

Y = UQT + F

PLSR一般基于非线性迭代最小二乘算法（NIPALS）建立。其步骤为（1）对自变量X和因变量Y同时提取各自的主成分t1（x1、x2...xn的线性组合）与u1（y1、y2...yn的线性组合），并且要求这两个主成分相关性最大；（2）再进行X与Y分别对t1与u1的回归，若方程达到了设置的满意度，则停止计算；（3）否则，再利用t1对X解释后剩余的信息和u1对Y解释后剩余的信息重新按照（1）进行，再次循环，直到符合设定的阈值。最终X可能会提取到t1、t2...tn个主成分，Y提取到u1、u2…un，使Y的u组合对t1、t2...tn进行回归，进而转化成Y对x1、x2...xn的回归方程（Wold et al 2001）。

PLSR是基于FT-MIR建立模型研究中使用最为广泛和经典的算法，上述关于基于FT-MIR检测牛奶脂肪酸、蛋白质及氨基酸和抗生素残留的定量模型研究中均使用了PLSR算法，可见其应用之普遍。PLS-DA已在食品分析中的产品认证、医学诊断中的疾病分类和代谢组分析中进行广泛应用，并且Gromski等在综述代谢组的分析中，将其和随机森林与支持向量机进行了比较（Gromski et al 2015, Lee et al 2018）。

PLS的优点：（1）能处理样本量远小于特征属性数量的数据；（2）能处理特征属性间存在多重共线性的问题；（3）建立的模型时包含自变量与因变量的信息。其缺点有：（1）不能很好的处理非线性问题；（2）容易过拟合，需注意主成分数的选择。

主成分分析（Principal Component Analysis，PCA）是一种无监督的降维分析方法。PCA降维的基本原则是使降维后方差最大与损失最小，如图1-2。其实现的基本过程：（1）对所有样本进行中心化处理；（2）计算样本的协方差矩阵；（3）对协方差矩阵进行特征值分解；（4）对得到的特征值进行排序，取前n个组成新矩阵；（5）以新矩阵来代替原来样本的特征（Abdi and Williams 2010, Jolliffe and Cadima 2016）。

线性判别分析（Linear discriminat analysis，LDA）是一种有监督的降维与判别分析方法。LDA降维原则是类别内方差最小，类别间方差最大，这样的特点更有利于进行判别分析（Anandkumar et al 2015）。其实现的基本过程为（1）计算样本各类别内的类内散度矩阵Sw；（2）计算样本各类别间的散度矩阵Sb；（3）对Sw做奇异分解，得到Sw ^-1 ；（4）对Sw ^-1 Sb做特征分解；（5）取上一步得到的前n特征向量以最大似然法求得各类别的均值和方差做后续的判别分析。

LDA不适用自变量远远大于样本的情况，而PCA可以，故这里将两个算法进行联用，先以PCA进行降维，再以LDA进行判别分析（Yang and Yang 2003）。

PCA-LDA的优点：（1）两个算法的联用可以同时对原数据进行降维和判别分析；（2）LDA采用的是各类均值，算法较优。其缺点有（1）只适合符合高斯分布的样本数据分析；（2）可能会有过拟合的风险。

决策树是基础的分类和回归方法，本研究主要集中在其用于分类上。决策树是通过树状结构对具有特征属性的样本进行分类。每一个决策树都包括根节点（第一个特征属性），内部节点（其他特征属性）以及叶子节点（类别），通用的为每个内部节点有两个分支（Kaminski et al 2018）。其实现的基本步骤：（1）在所有属性中选择最优属性，通过其将样本分类；（2）将分类的样本再通过另一个特征属性再次分类，一直循环直到将样本分到各叶子节点；（3）对生成的树进行剪枝（包含预剪枝与后剪枝）。决策树选择特征属性的算法不同会有不同结果，典型算法包括：CART算法（Breiman et al 1984）、ID3算法（Quinlan 1986）、C4.5算法（Quinlan 1992）等，但这些方法生成的过程相似。

CART采用基尼指数最小化原则，进行特征选择，递归地生成二叉树，该算法只能对特征进行二分。ID3算法在各个节点上采用信息增益来选择特征，每一次选择的特征均使信息增益最大，逐步构建决策树，但缺点是其会选择取值较多的特征，而C4.5算法采用信息增益比选择特征，解决了ID3的缺点。

DT的优点：（1）运行速度相对较快；（2）可同时处理不同类型的数据，基本不需要预处理；（3）结果容易解释，并可进行可视化。其缺点：（1）容易过拟合，导致泛化能力不强；（2）不支持在线学习，若有新样本，DT需要全部重建；（3）当各类别数据样本不平衡时，结果会偏向有更多数值的特征；（4）不能处理样本特征属性之间的相关性（James et al 2013, Painsky and Rosset 2015）。

人工神经网络是以神经元为单位模仿生物神经网络的结构与功能的数学算法模型（Marcel and Sander 2018）。其可以进行线性与非线性的判别分析，属于有监督的学习分类法，主要分为前馈型神经网络、反馈型神经网络与自组织神经网络。

单位神经元如图1-3中A，一般有多个输入的“树突”，再分别给予不同的权重求和，与阈值比较，达到阈值的通过激活函数求出输出数据，最后进行输出。激活函数f通常分为三类：阈值函数、分段函数、双极性连续函数。

这里以经典的单隐层神经网络为例进行讲解，如图1-3中B。其输入层包含三个神经元，隐含层有四个神经元，输出层有两个神经元。其运算过程为由输入层输入数据，随机设定权重和阈值，通过隐藏层计算再传递到输出层，输出层会根据设定的期望进行判断，如果不符合，则返回重新改变权重和阈值，进入循环，直到符合设定的期望再停止运算，这样就能得到模型的权重和阈值，可对新数据进行判别，这种运算法即为常见的反馈型神经网络（Tu 1996）。多层神经网络属于深度学习，以卷积神经网络为基础进行构建。
ANN的优点：（1）能够自主学习；（2）能解决线性与非线性的问题；（3）可处理因变量之间的相互作用。其缺点：（1）需要设置大量的参数进行约束；（2）结果解释性差，为黑箱算法；（3）计算学习时间长；（4）容易过拟合（Tu 1996）。

㈢ 什么是顾客满意度如何测量顾客满意度

顾客满意度是指顾客认为供应商已达到或超过他的消费预期的一种感受。这个定义的关键词
是：Perception ，即感受。说明这是一个心理指标，它可以 ，也可以不和实际情况相符合，不是
的技术或物理指标。进一步分析，CS 经营中顾客满意度 概念包括两个方面：顾客对所购买产品
或服务的满意度（过去期待的评价）；能够期待他们未来继续购买的可能性（新的期待）。满意
度是消费者消费事前期待与实际评价关系，它超越了“品质”的概念，突出的是无形的服务，追
求的是新的向心（顾客之心）力和顾客产生顾客的效果。
顾客满意度测量 就是要测知顾客对一个供应商表现的判断。测量的对象是顾客，是顾客的
内心感觉，而不是传统的企业本身的内部信息。一个公司，质检部门的次品报告为零，企业内部
表现不能反映现实顾客满意度；企业窗口组织向顾客征询意见，顾客反映良好，可有相当顾客并
不愿意接受服务 ，原因何在 ？ ---- 由内部组织的顾客调查使采集信息背离中立原则，顾客不会
把不好听的话实话实说，也不是我们要测量的满意度。我们的工作必须具备以下原则 ：1、代表 性；2、中立性；3、真实性；4、科学性。
一、研究概念：
表现差距 ----顾客感受到的五大方面期望与实际经历之间的差距：促销差距、理解差距、
程序差距、行为差距和感受差距。
顾客保留 ----赢得一个新顾客所需费用，要比保留一个老顾客的费用搞出许多。
顾客忠诚 ----顾客忠诚的少许增加，企业将获得巨大收益。
终生顾客价值 ----顾客在本公司的平均消费*公司保留该顾客的时间。
0年 第一年 第二年 第三年 第四年 第五年
客户数 2000 2010 2029 2057 2092 2135
顾客平均消费 5000 5025 5050 5075 5100 5126
营业额 10，000，000 10，100，250 10，246，450 10，439，275 10，669，200 10，
944，010

顾客保留策略 ----“如何在顾客最关心的方面竭尽全力！”
二、测量目标：
顾客满意 ---- 是一个组织测定其全部产品相对于一系列顾客期望表现如
何的量尺。
----顾客的优先要求；
----顾客的容忍限度；
----公司表现；
----针对顾客的优先要求所做出的举措；
----针对竞争者所做的举措；
----改善措施的先后顺序（PFIs模型）。
三、顾客行为理解：
1 、个人购买行为：决策人数少，情感。
决策过程：感受需要 ---- 信息搜集 ---- 评估 ---- 决定 ---- 结果。
信息搜集：内部搜集 ---- 记忆（主观评价中不好的记忆） ---- 外部搜集 ---- 亲友、公共信
息、广告信息。
评估：信念（核心价值观、次级群体） ---- 态度（生活方式、年龄、性格）---- 意向（目标、
偏好）。
复杂性：高牵涉度购买行为，低牵涉度购买行为。
2 、组织购买行为： 决策人数多，正式、理智。
决策过程：需求认知 ---- 决定产品规格 ---- 信息搜集 ---- 商家评估 ---- 购货商谈 ----
表现评价。
决策机构（ The DMU ）：提议者、使用者、影响者、购买者、决策者、调解者。
复杂性：新任务，直接重新购买。
四、顾客忠诚度：
· 怀疑者 ---- 市场上所有消费者，包括没有注意到产品的顾客和没有购买意图者。
· 潜在顾客 ---- 有可能成为顾客的购买者，感受到产品，但没有行动者。
· 一次性顾客 ---- 主要指一次交易的顾客，对公司没有忠诚可言。
· 长期顾客 ---- 反复交易的顾客，对公司有忠诚感,但只是被动的购买,没有其他主动行为。
（公司利润从这里开始产生）
· 支持者 ---- 积极支持和向其他人推荐本公司及产品的顾客。
· 合作者 ---- 结成互惠互利的关系，持久维持。
五、主要研究分析方法：
1、常用调查方法：入户访谈法，拦截调查,电话测评,小组座谈会,神秘顾客法（见后）等。
2、常用设计量表：利克特量表，语意差别量表，数字量表，序列量表，斯马图量表。
3、PFIs模型（改善措施的先后顺序）（略）

4、满意度指数（CSI）法
结构化方程模型（SEM, Structural Equation Modeling）
分析方法：结构化方程模型是一种由多种统计模型综合起来的因果分析型模型，因素分析法、路径分析法以及回归分析法都是它的一个特例。采用PLS算法 ,借助PLS软件进行循环运算以求得最优估计值。依据PLS所得到的SEM数据分析该产品（或行业或品牌）在市场中所存在的优势、不足，分析产品战略的效果和找出应该采取的措施（例如，价格、质量、包装、广告等等）。
? 神秘顾客法
近年来，神秘顾客法监测、评估一线服务顾客满意度及终端市场管理，正被广泛使用于各品牌及窗口服务机构，成为商家的竞争和制胜绝招。艾力森曾多次为通讯、家电、IT产品、药品及各服务机构等提供这种服务。掌握经销商、经销点的市场行为，销售价格，产品渠道管理（否有窜货）等。监测对象：分支机构、基层服务者、代理售店（铺）。
神秘顾客研究（Mystery Customer Research）是顾客满意度调查的重要方法之一。其做法是：由对被调查行业有较深了解的调查者，以普通顾客的身份亲历被调查企业的服务及产品,在真实的消费环境中以专业的视角感知企业与顾客接触的每一个真实时刻（Moment of Truth）,并将其消费经历、感受、评价等以《顾客经历报告》的形式反馈给被委托人。 由于被检查或需要被评定的对象无法确认“神秘”顾客，较之领导定期或不定期的检查，能够更真实、客观并系统地反映出目标对象的真实状况。所以，这种方法越来越吸引客户,是被证明切实有效的市场研究方法。 艾力森使用的“神秘顾客”由经严格培训的访问员扮演成顾客和直接在市场招募准顾
客再加以培训构成。依据不同的项目，将分别使用不同的人。
神秘顾客调研的调查者不仅是服务质量的测量者，而且是以真实顾客的身份去亲历服务,这使得调查者体验到的服务更接近其真实的质量水平。同时，调查者以其自身的个性需求、经历、兴趣偏好、主观感受等在真实的服务场景中与服务的提供者产生双向互动,从而使观察到的结果更接近于质量的本质 —即质量更多地是体现为一种满足顾客需要的能力, 而非既定的程序、标准。
神秘顾客人选 ：
“神秘顾客”不同于一般性调查的访问员，具有较高的综合素质和理解能力、良好的心理状态、端正的工作态度、敏锐的观察、分辨能力是调查质量的有力保证。“神秘顾客”要始终坚持公平、公正、中立、保密的工作原则。具备议价能力,有相当的记忆能力。“神秘顾客”分为两种，一种为“即时神秘顾客”（随机抽取那 些正在消费、服务的顾客,对其进行即时调查监测），一种为“长期神秘顾客”（经相关培训的专门人员,对服务专业型较强的公司、单位进行长期监测）。
培训：
具有了行为学、心理学基础知识的“神秘顾客”在调查过程中, 表现更自然、不易暴露,另一方面更容易了解服务人员的心理，易于发现服务管理中存在的问题。

调查技巧 ：
“神秘顾客”要始终坚持公平、公正、中立的工作态度，并具有良好的心态和心理素质，
要始终保持一种普通顾客的心态。由于服务质量是由有形实物质量、有形的服务设备和服务设施的质量、有形的服务环境的质量和无形的服务劳动的质量构成的统一体，每一部分都是服务质量不可分割的组成部分。因此“神秘顾客”进行调 查时就要遵循“眼看耳听、用心感受”八字方针，使硬件服务和软件服务均得到综合考察。“眼看”就是根据考核的服务质量
指标，细心观察服务设施是否齐全、营 业人员的服务形象等内容；“耳听”就是倾听营业人
员服务过程中服务用语、业务介绍；“用心感受”：感受营业环境和设施，营业人员的服务
态度、意识。

行走线路：
右手原则行走并观察。

㈣ 专业英语单词（电子制造类的）

DOA:到货即损。经销商收到厂家的货后,开箱就是坏的，就可以退货和更换，但是这是有个期限的。一般7天到60天不等。
如果超过DOA期限，就属于RMA：坏品维修期限了。不能退货的。
PM=PageMaker
排版软件
PS=PhotoShop
图象图象处理软件
两个都是Adobe公司的
PL=piao
liang
=漂亮
PL是Polarizing
的缩写。Polarizer
指的是偏振光
PL镜也就是偏振镜或偏光镜
财务核算GLD模块
QC即英文QUALITY
CONTROL的简称，中文
意义是品质控制，其在ISO8402：1994的定义
是“为达到品质要求所采取的作业技术和活动”
。有些推行ISO9000的组织会设置这样一个部门
或岗位，
负责ISO9000标准所要求的有关品质控制的职
能，担任这类工作的人员就叫做QC人员，相当
于一般企业中的产品检验员，包括进货检验员
（IQC）、制程检验员（IPQC）和最终检验员
（FQC）
QC旧七大手法指的是：检查表、层别法、柏拉图、因果图、散布图、直方图、管制图。
推行QC七大手法的情况，一定程度上表明了公司管理的先进程度。这些手法的应用之成败，将成为公司升级市场的一个重要方面：几乎所有的OEM客户，都会把统计技术应用情况作为审核的重要方面，例如TDI、MOTOROLA等。
ADC=
Analog-to-Digital
Converter的缩写，指模/数转换器或者模拟/数字转换器。真实世界的模拟信号，例如温度、压力、声音或者图像等，需要转换成更容易储存、处理和发射的数字形式。
高性能模数转换器(ADC)和数模转换器(DAC)与单芯片处理器和外围设备集成在一起，用来增加对模拟电路的支持。
895中的f/w
updrade是干什么
用的
？
是安了无驱版的固件的小艾升级固件时用的。无驱版直接在机器上升。有驱版是接到电脑上通过管理软件升。
OQA（Output
Quality
Assurance
出货质量保证人员）
什么是SOP
所谓SOP,是
Standard
Operation
Procere三个单词中首字母的大写
,即标准作业程序,就是将某一事件的标准操作步骤和要求以统一的格式描述出来,用来指导和规范日常的工作.SOP的精髓,就是将细节进行量化,用更通俗的话来说,SOP就是对某一程序中的关键控制点进行细化和量化.从对SOP的上述基本界定来看,SOP具有以下一些内在的特征:
SOP是一种程序.SOP是对一个过程的描述,不是一个结果的描述.同时,SOP又不是制度,也不是表单,是流程下面某个程序中关控制点如何来规范的程序.
SOP是一种作业程序.SOP首是一种操作层面的程序,是实实在在的,具体可操作的,不是理念层次上的东西.如果结合ISO9000体系的标准,SOP是属于三阶文件,即作业性文件.
SOP是一种标准的作业程序.所谓标准,在这里有最优化的概念,即不是随便写出来的操作程序都可以称做SOP,而一定是经过不断实践总结出来的在当前条件下可以实现的最优化的操作程序设计.说得更通俗一些,所谓的标准,就是尽可能地将相关操作步骤进行细化,量化和优化,细化,量化和优化的度就是在正常条件下大家都能理解又不会产生歧义.
SOP不是单个的,是一个体系.虽然我们可以单独地定义每一个SOP,但真正从企业管理来看,SOP不可能只是单个的,必然是一个整体和体系,也是企业不可或缺的.余世维在他的讲座中也特别提到:一个公司要有两本书,一本书是红皮书,是公司的策略,即作战指导纲领;另一本书是蓝皮书,即SOP,标准作业程序,而且这个标准作业程序一定是要做到细化和量化.
当口(
)是具有某种特性的时变序列时，(1)式为变步长LMS算法．借助于梯度修正定义，导出了两个具有拟最小二乘性的自适应滤波算法，称为PLS算法或PLS算法对
pls是什么类型的文件
网络流媒体
目前流行的windows
media
player采用连续播放的一种格式比如你有三个wma或mp3文件,想采用windows
media
player连续播放的话,可以这么编写成.pls文件aaa.pls
什么是DET1.0专家系统生成工具
DET1.0专家系统开发工具是一个建造专家系统应用程序的软件工具平台,它采用Agent技术基于模型知识表示和案例推理的方法,把您在多种编辑器下写好的专业领域知识(也称源知识库)"转变"成计算机应用软件...
PCS就是一种单位的英文缩写
即pieces
一片
==================
所谓PCS其实就是美国数字移动通信系统服务的总称。具体而言，PCS就是一个包含数字手机、无绳电话（Codeless
Phone）和固定无线连接（FWA）等范围更加广泛的通信服务的总称。虽然在日本也把包括PHS在内的移动电话总称为“手机”，但是PCS则是一个意义更加广泛的术语。
============================================
PCS是美国sprint推出的一种网络服务，它的前身是PTT（PushToTalk）是一种主要用于一对多打电话的服务网络，最开始只有TALK功能，后来有了voicemail等增值服务，于是改名叫做PTC(PushToCommunication)到现在这项服务已经非常成熟，全称叫做Sprint
PCS
vision
PCS全称也就是push
to
communication
service

㈤ 如何制作调查顾客满意度调查如何测量顾客满意度

顾客满意度是指顾客认为供应商已达到或超过他的消费预期的一种感受。这个定义的关键词是：Perception ，即感受。说明这是一个心理指标，它可以 ，也可以不和实际情况相符合，不是的技术或物理指标。进一步分析，CS 经营中顾客满意度 概念包括两个方面：顾客对所购买产品
或服务的满意度（过去期待的评价）；能够期待他们未来继续购买的可能性（新的期待）。满意度是消费者消费事前期待与实际评价关系，它超越了“品质”的概念，突出的是无形的服务，追求的是新的向心（顾客之心）力和顾客产生顾客的效果。（详情可参考《调查圈》）

顾客满意度测量 就是要测知顾客对一个供应商表现的判断。测量的对象是顾客，是顾客的内心感觉，而不是传统的企业本身的内部信息。一个公司，质检部门的次品报告为零，企业内部表现不能反映现实顾客满意度；企业窗口组织向顾客征询意见，顾客反映良好，可有相当顾客并不愿意接受服务 ，原因何在 ？ ---- 由内部组织的顾客调查使采集信息背离中立原则，顾客不会把不好听的话实话实说，也不是我们要测量的满意度。我们的工作必须具备以下原则 ：1、代表 性；2、中立性；3、真实性；4、科学性。 （详情可参考《调查圈》）

一、研究概念：
表现差距 ----顾客感受到的五大方面期望与实际经历之间的差距：促销差距、理解差距、程序差距、行为差距和感受差距。
顾客保留 ----赢得一个新顾客所需费用，要比保留一个老顾客的费用搞出许多。
顾客忠诚 ----顾客忠诚的少许增加，企业将获得巨大收益。
终生顾客价值 ----顾客在本公司的平均消费*公司保留该顾客的时间。
0年 第一年 第二年 第三年 第四年 第五年
客户数 2000 2010 2029 2057 2092 2135
顾客平均消费 5000 5025 5050 5075 5100 5126
营业额 10，000，000 10，100，250 10，246，450 10，439，275 10，669，200 10，
944，010

顾客保留策略 ----“如何在顾客最关心的方面竭尽全力！”
二、测量目标：
顾客满意 ---- 是一个组织测定其全部产品相对于一系列顾客期望表现如
何的量尺。
----顾客的优先要求；
----顾客的容忍限度；
----公司表现；
----针对顾客的优先要求所做出的举措；
----针对竞争者所做的举措；
----改善措施的先后顺序（PFIs模型）。
三、顾客行为理解：
1 、个人购买行为：决策人数少，情感。
决策过程：感受需要 ---- 信息搜集 ---- 评估 ---- 决定 ---- 结果。
信息搜集：内部搜集 ---- 记忆（主观评价中不好的记忆） ---- 外部搜集 ---- 亲友、公共信息、广告信息。
评估：信念（核心价值观、次级群体） ---- 态度（生活方式、年龄、性格）---- 意向（目标、偏好）。（详情可参考《调查圈》）
复杂性：高牵涉度购买行为，低牵涉度购买行为。
2 、组织购买行为： 决策人数多，正式、理智。
决策过程：需求认知 ---- 决定产品规格 ---- 信息搜集 ---- 商家评估 ---- 购货商谈 ----表现评价。
决策机构（ The DMU ）：提议者、使用者、影响者、购买者、决策者、调解者。
复杂性：新任务，直接重新购买。
四、顾客忠诚度：
· 怀疑者 ---- 市场上所有消费者，包括没有注意到产品的顾客和没有购买意图者。
· 潜在顾客 ---- 有可能成为顾客的购买者，感受到产品，但没有行动者。
· 一次性顾客 ---- 主要指一次交易的顾客，对公司没有忠诚可言。
· 长期顾客 ---- 反复交易的顾客，对公司有忠诚感,但只是被动的购买,没有其他主动行为。
（公司利润从这里开始产生）
· 支持者 ---- 积极支持和向其他人推荐本公司及产品的顾客。
· 合作者 ---- 结成互惠互利的关系，持久维持。
五、主要研究分析方法：（详情可参考《调查圈》）
1、常用调查方法：入户访谈法，拦截调查,电话测评,小组座谈会,神秘顾客法（见后）等。
2、常用设计量表：利克特量表，语意差别量表，数字量表，序列量表，斯马图量表。
3、PFIs模型（改善措施的先后顺序）（略）

4、满意度指数（CSI）法 （详情可参考《调查圈》）
结构化方程模型（SEM, Structural Equation Modeling）
分析方法：结构化方程模型是一种由多种统计模型综合起来的因果分析型模型，因素分析法、路径分析法以及回归分析法都是它的一个特例。采用PLS算法 ,借助PLS软件进行循环运算以求得最优估计值。依据PLS所得到的SEM数据分析该产品（或行业或品牌）在市场中所存在的优势、不足，分析产品战略的效果和找出应该采取的措施（例如，价格、质量、包装、广告等等）。
? 神秘顾客法
近年来，神秘顾客法监测、评估一线服务顾客满意度及终端市场管理，正被广泛使用于各品牌及窗口服务机构，成为商家的竞争和制胜绝招。艾力森曾多次为通讯、家电、IT产品、药品及各服务机构等提供这种服务。掌握经销商、经销点的市场行为，销售价格，产品渠道管理（否有窜货）等。监测对象：分支机构、基层服务者、代理售店（铺）。
神秘顾客研究（Mystery Customer Research）是顾客满意度调查的重要方法之一。其做法是：由对被调查行业有较深了解的调查者，以普通顾客的身份亲历被调查企业的服务及产品,在真实的消费环境中以专业的视角感知企业与顾客接触的每一个真实时刻（Moment of Truth）,并
将其消费经历、感受、评价等以《顾客经历报告》的形式反馈给被委托人。 由于被检查或需要被评定的对象无法确认“神秘”顾客，较之领导定期或不定期的检查，能够更真实、客观并系统地反映出目标对象的真实状况。所以，这种方法越来越吸引客户,是被证明切实有效的市场研究方法。 艾力森使用的“神秘顾客”由经严格培训的访问员扮演成顾客和直接在市场招募准顾客再加以培训构成。依据不同的项目，将分别使用不同的人。 （详情可参考《调查圈》）
神秘顾客调研的调查者不仅是服务质量的测量者，而且是以真实顾客的身份去亲历服务,这使得调查者体验到的服务更接近其真实的质量水平。同时，调查者以其自身的个性需求、经历、兴趣偏好、主观感受等在真实的服务场景中与服务的提供者产生双向互动,从而使观察到的结果更接近于质量的本质 —即质量更多地是体现为一种满足顾客需要的能力, 而非既定的程序、标准。
神秘顾客人选 ：
“神秘顾客”不同于一般性调查的访问员，具有较高的综合素质和理解能力、良好的心理状态、端正的工作态度、敏锐的观察、分辨能力是调查质量的有力保证。“神秘顾客”要始终坚持公平、公正、中立、保密的工作原则。具备议价能力,有相当的记忆能力。“神秘顾客”分为两种，一种为“即时神秘顾客”（随机抽取那 些正在消费、服务的顾客,对其进行即时调查监测），一种为“长期神秘顾客”（经相关培训的专门人员,对服务专业型较强的公司、单位进行长期监测）。 （详情可参考《调查圈》）
培训：
具有了行为学、心理学基础知识的“神秘顾客”在调查过程中, 表现更自然、不易暴露,另一方面更容易了解服务人员的心理，易于发现服务管理中存在的问题。（详情可参考《调查圈》）

调查技巧 ：
“神秘顾客”要始终坚持公平、公正、中立的工作态度，并具有良好的心态和心理素质，要始终保持一种普通顾客的心态。由于服务质量是由有形实物质量、有形的服务设备和服务设施的质量、有形的服务环境的质量和无形的服务劳动的质量构成的统一体，每一部分都是服务质量不可分割的组成部分。因此“神秘顾客”进行调 查时就要遵循“眼看耳听、用心感受”八字方针，使硬件服务和软件服务均得到综合考察。“眼看”就是根据考核的服务质量指标，细心观察服务设施是否齐全、营 业人员的服务形象等内容；“耳听”就是倾听营业人员服务过程中服务用语、业务介绍；“用心感受”：感受营业环境和设施，营业人员的服务态度、意识。
行走线路：
右手原则行走并观察。
（详情可参考《调查圈》）

㈥ GA PLS 什么意思

GA ：遗传算法PLS：偏最小二乘法

㈦ 关于偏最小二乘法的数据处理

矩阵标准化啊，例如矩阵W，标准化之后是w'=w'/（w'w）^1/2
偏最小二乘法的数据处理:
建立偏最小二乘回归分析法预测模型并对数据进行预测
偏最小二乘法回归分析法建立为双线模型，其中为包含外部快（X独立模块和Y独立模块），以及两者之间的内部快（X和Y的联系模块），模型对X的潜变量进行了修改，使其与Y的协方差达到最大，即把特征值近于零的数据删除。程序实现过程如下：
确立回归模型为Y=XB；
其中B=W（PTW）-1QT（W为权重，P为X的载荷矩阵，Q为Y的载荷矩阵）；
Y=UQT+F=uaqTa;(U为Y的得分矩阵，ua为Y的得分向量，qa为荷载向量，F为残差)；
X=TPT+E=tapTa；（T为X的得分矩阵，ta为X的得分向量，pa为荷载向量，E为残差）；
提取Y，X的潜向量，当维数l=0时，X=Xoriginal-x（x为平均数）；Y=Yoriginal-y（y为平均数）；
通过主成分分析法对维数l=1到l=d进行循环估计：
将Y的第一列作为初始的得分向量u，即u=y1；
a.计算X的权重:wT=uTX/uTu;
b.对权重标准化:wT=wT/（wTw）1/2;
c.估计X矩阵的得分向量:t=XwT；
d.计算X的载荷向量:qT=tT/tTt;
e.计算Y矩阵的得分向量:u=Yq/qTq,若||unew-uold||<(||unew||-阀值)则趋于收敛，停止循环，阀值由计算机的精度决定；
f.计算内部关联向量:b=uTt/tTt;
g.计算Y矩阵的载荷向量:pT=tTX/tTt;
h.计算X和Y矩阵的残差:E=X-tpT，F=Y-uqT；计算标准方差Rcv，若其大于预期精度，则得到最佳维数，获得最终的B。

㈧ 什么是PLS-DA分析法

PLS-DA分析法指的是偏最小二乘回归分析法。

偏最小二乘回归分析法是一种统计学方法，与主成分回归有关系，但不是寻找响应变量和自变量之间最大方差的超平面，而是通过投影分别将预测变量和观测变量投影到一个新空间，来寻找一个线性回归模型。

因为数据X和Y都会投影到新空间，PLS系列的方法都被称为双线性因子模型。当Y是分类数据时称为“偏最小二乘判别分析（Partial least squares Discriminant Analysis， PLS-DA）”。

(8)pls算法的定义扩展阅读：

偏最小二乘回归的算法：

偏最小二乘的许多变量是为了估计因子和载荷矩阵T、U、P和Q。它们中大多数构造了X和Y之间线性回归的估计Y=XB+Bo。一些偏最小二乘算法只适合Y是一个列向量的情况，而其它的算法则处理了Y是一个矩阵的一般情况。

算法也根据他们是否估计因子矩阵T为一个正交矩阵而不同。最后的预测在所有不同最小二乘算法中都是一样的，但组件是不同的。

参考资料来源：网络-偏最小二乘回归法

㈨ 代谢组差异代谢物分析简介

差异代谢物分析包括多元统计分析和单维统计分析，其中多元统计能捕捉到具有相互关联的差异性变量有利于代谢调控网络研究；单维的统计能独立分析单个变量的统计学意义，在数据分析中起到验证和补充的作用；因此代谢组学中使用多元统计和单维统计同时筛选到的差异变量应该是最重要和最值得关注的差异代谢物。

主成分分析是一种无监督的多元统计分析方法，能从总体上反应各组样本之间的总体差异和组内样本之间的变异度大小。基本原理是利用数学的方法，将原来变量重新组合成新的互相无关的几个综合变量（即主成分），对所有因素按重要性排序，通常靠后的微小因素被忽略掉，通过降维，从而起到简化数据的作用。实际项目中，我们可以通过PCA找出离群样品、判别相似性高的样品簇等。

在模型计算时，首先找到一条直线使所有样品距离该直线的残差平方和最小，而投影在此数轴方向的矢量平方和最大，那么该直线方向也就体现了样品间最大差异，由此得到第一个主成分（PC1）；在此基础上，沿着与前一个主成分直线垂直方向找到其次差异最显着的直线，得到第二个主成分（PC2），如此反复。判别PCA模型质量好坏的主要参数为R2X，该值代表降维后的数据对原始数据的解释率，该值越接近1越理想，一般认为R2X大于0.5说明模型效果较好。

PLS-DA（Partial Least Squares Discriminant Analysis）是基于经典的偏最小二乘回归模型的判别分析方法，其响应变量是一组反应统计单元间类别关系的分类信息，是一种有监督的判别分析方法，经常用来处理分类和判别问题。通过对主成分适当的旋转，PLS-DA可以有效的对组间观察值进行区分，并且能够找到导致组间区别的影响变量。PLS-DA作为一种有监督的分析方法，在分析时必须对样品进行指定并分组，这样分组后模型将自动加上一个隐含的数据集Y，这种模型计算的方法强行把各组分门别类，有利于发现不同组间的异同点。

对于组间差异不够明显的样品，采用PCA方法常常无法区分样品的组间差异，这种情况下采用PLS-DA模型可能更加有效。

OPLS-DA（Orthogonal Partial Least Squares Discriminant Analysis）是PLS-DA的衍生算法，与PLS-DA相比，OPLS-DA是结合了正交信号矫正（OSC）和PLS-DA两个方法，能够将X矩阵信息分解成与Y相关和不相关的两类信息，通过去除不相关的差异，相关的信息就集中表现在第一个预测成分（predictive component）。

与PLS相比，OPLS的观测变量矩阵X中与预测变量矩阵Y中无关联的“噪音”变量会被滤除/忽略，即除去X数据变量中与Y变量无关或正交的变异因素。OPLS-DA根据数据表Y的差异将数据表X的差异分为两个部分，第一部分代表与Y相关的差异，第二部分代表与Y不相关（正交垂直）的差异，OPLS-DA可将这两部分差异进行区分。通过这种方式，OPLS-DA可以更好地区分组间差异，提高模型的有效性和解析能力。

主成分个数的确定

R2X是用来评价PCA 模型对X变量差异的解释率。随着主成分的增加，R2X 值累加值也会增加，但是当主成分增加到一定的程度时，也就是累计解释率达到某一个阈值（0.5）时，主成分个数将不再增加。R2Y和Q2Y分别用来评价PLS和OPLS模型的建模能力和预测能力。随着建模主成分的增加，Q2值累加值也会增加，但是当主成分增加到一定的程度时，Q2值出现平台或开始下降，例如,当增加到第六个主成分时，建模的Q2开始下降，那么应该选择前5个主成分作为最终的建模所需数目。

七次循环交互验证（****7-fold cross validation****）

每次建立PLS-DA或OPLS-DA模型时，首先排除1/7的样本建模，然后利用建立的模型对这部分样本进行预测，一直循环到所有样本都排除过一次为止，最后建立的模型是综合建立的所有模型的结果。 模型的评价参数是R2X，R2Y和Q2，其中R2X 和R2Y分别表示对X矩阵和Y矩阵的解释率，Q2是通过交叉验证计算得出，表示模型的预测能力。这三个指标越接近于1，表示模型越稳定可靠。

置换检验（****response permutation testing****）

RPT一种用来评价PLS和OPLS模型准确性的随机排序方法，用来标识监督性学习方法获得分类不是偶然的。该方法固定X矩阵，将先前定义的分类Y矩阵的变量进行随机排列n次（一般100~1000次），每次排列组合后，构建新的PLS或OPLS模型，计算相应的模型累积的R2Y和Q2值。将原始分类的Y矩阵、n次不同排列的Y矩阵与R2Y、Q2进行线性回归，得到的回归直线与y轴的截距值作为衡量模型是否过拟合的标准。通常R2截距值应明显小于模型变量解释度，并小于0.3（越接近0越好），Q2截距值应明显小于模型变量预测度，并小于0.05。

（1）单因素方差分析（One-way ANOVA），它适用于只研究一个试验因素的情况，目的在于正确判断该试验因素各处理的相对效果；用于检验多组样本的均值是否相同，比较物种、功能或基因在3组或3组以上样本组中的分布是否存在显着性差异，然后对有差异的物种、功能或基因进行post-hoc检验，找出多组中存在差异的样本组。

（2）post-hoc检验是指在进行多组检验之后进行的进一步检验，对有差异的多组的组别再进行两两比较，检测多组中存在差异的样本组，其检验方法包括“Games-Howell”，“Scheffe”，“Tukey-Kramer”，“Welch's (uncorrected)”，两两比较的显着性水平分别为：0.90、0.95、0.98、0.99、0.999。

Gameshowell即成对比较检验。当方差和样本容量不相等时，适合使用此检验。当方差不相等且样本容量较小时，Tukey-Kramer法更合适。

各个水平试验次数不尽相同时可用scheffe法，简称S法。

Scheffe（最常用，不需要样本数目相同）为均值的所有可能的成对组合执行并发的联合成对比较。使用F取样分布。可用来检查组均值的所有可能的线性组合，而非仅限于成对组合。

Scheffe的应用指征：（1）各组样本数相等或不等均可以，但是以各组样本数不相等使用较多；（2）如果比较的次数明显地大于均数的个数时，Scheffe法的检验功效可能优于Bonferroni法和Sidak法。

Tukey（最常用，需要样本数目相同）使用学生化的范围统计量进行组间所有成对比较，将试验误差率设置为所有成对比较的集合的误差率。

Tukey（1952，1953）以学生化极差为理论根据，提出了专门用于两两比较的检验（有时也称最大显着差检验）。当各组样本含量相等时，此检验控制MEER（最大试验误差率）；当样本含量不等时，Tukey（1953）和Kramer（1956）分别独立地提出修正的方法。对Tukey- Kramer法控制MEER没有一般的证明，但Dunnett（1980）用蒙特卡洛法研究发现此法非常好。

（1）两组比较的样本的总体方差不相等的情况下，使用welch检验，计算统计量t。

（2）Kruskal-Wallis秩和检验，它是一种将两个独立样本的Wilcoxon秩和检验推广到多组（大于等于3）独立样本非参数检验的方法，该分析可以对多组样本的物种/功能进行显着性差异分析。

（3）多重检验校正，对P值进行多重检验校正的方法，包括：“holm”，“hochberg”， “hommel”， “bonferroni”，“BH”，“BY”，“fdr”，“none”。“none”即不校正，默认为“fdr”。

通常把“至少有一个错误”的概率称为FWER（Family-Wise Error Rate）。

FWER = 1 - (1-α) ^m

假设我们做m个相互独立的检验，我们的目标是：FWER = 1- (1- α) ^m =0.05。

由于当α很小时，存在这一的近似关系 (1-α) ^m ≈ 1-mα，因此

1-(1-α)m = mα = 0.05，即α=0.05/m。

也就是说每一个检验的显着水平不再是0.05了，而应该是0.05/m。对于每一个检验的P值，有P<α=0.05/m，我们才能拒绝H ₀ ；

这样我们就校正了显着水平，当然我们也可以让α保持不变，去校正P值：P*m<α=0.05，我们才能拒绝H ₀ ；

也就是说，每一个检验做出来的P值，我们都要乘以m，叫做校正后的P值，然后去和0.05进行比较。

一共有m个检验，其中最终选择接受原假设的有W个，拒绝的有R个，在拒绝的R个中，有V个是错误拒绝的，有S个是正确拒绝的。fdr（Falsely Discovery Rate）的定义为：

fdr = E(V/R)。

fdr也就是错误拒绝的检验个数占所有拒绝的检验个数的比，它只关注所有拒绝掉的检验中，错误拒绝的比例，fdr的目的就是要将这个比例降低到α。

原理：首先，对m个P值按从小到大的顺序进行排序，从P(1)开始，到P(2)、P(3) ...，挨个进行比较，直到找到最大的P(i)满足：

找到之后，拒绝之前所有的原假设H(i)，i=1，2，3...i。

至此，完成fdr的校正。或者，保持α不变，将P值校正为mP(i)/i，这个值又称为Q值: Q-value(i) = m × P(i)/i < α。

分析软件：R的stats包和Python的scipy包。

（1）Student's T检验（方差相等），在两组样本方差相等时可选择该检验。可用于检验两组样本的均值是否相同，通过此分析可以比较物种/功能在两组样本组中的分布是否存在显着性差异，并对P值进行多种方法的校正。

（2）Welch's T检验（方差不等），在两组样本方差不相等时可选择该检验。可用于检验两组样本的均值是否相同，通过此分析可以比较物种/功能在两组样本组中的分布是否存在显着性差异，并对P值进行多种方法的校正。

（3）Wilcoxon秩和检验，也叫曼-惠特尼U检验（Mann–Whitney U test），是两组独立样本非参数检验的一种方法。其原假设为两组独立样本来自的两总体分布无显着差异，通过对两组样本平均秩的研究来实现判断两总体的分布是否存在差异，该分析可以对两组样本的物种/功能进行显着性差异分析，并对P值进行多种方法的校正。

（4）Wilcoxon符号秩检验，主要用于两组配对样本的非参数检验，推断两组相关样本所来自的两个总体的中位数是否相等。其原假设为两组配对样本差值的中位值为0，通过对等级差值的绝对值从小到大编秩，根据差值标上正负符号，分别求正负秩次之和，进行假设检验， 从而判断两组总体的分布是否存在差异。该分析可以对两组样品的物种/功能进行显着性差异分析，并对P值进行多种方法的校正。

（5）多重检验校正，对P值进行多重检验校正的方法，包括：“holm”，“hochberg”， “hommel”， “bonferroni”，“BH”，“BY”，“fdr”，“none”。“none”即不校正，默认为“fdr”。

（6）单双尾检验，用于指定所求置信区间的类型，可选择双尾检验（求置信区间），左尾检验（求置信上限）和右尾检验（求置信下限）。

（7）CI计算方法，即计算置信区间的方法，包括“bootstrap”，“Student's inverted”和“Welch's inverted”，置信度可选择：0.90，0.95，0.98，0.99，0.999。

bootstrap算法对应Wilcoxon秩和检验和Wilcoxon符号秩检验。

Student's inverted对应Student's T检验。

Welch's inverted对应Welch's T检验。

分析软件：R的stats包和Python的scipy包。

（1）卡方检验，对两个样本间的物种/功能的丰度差异进行比较，通过此分析可获得物种/功能在两个对比样本中的差异显着性。适用条件：两个样本容量都大于20。

（2） Fisher's 精确检验，对两个样本间的物种/功能的丰度差异进行比较，通过此分析可获得物种/功能在两个对比样本中的差异显着性。适用条件：两个样本容量小于等于20。

（3）单双尾检验，单双尾检验，用于指定所求置信区间的类型，可选择双尾检验（求置信区间），左尾检验（求置信上限）和右尾检验（求置信下限）。

（4）多重检验校正，对P值进行多重检验校正的方法，包括：“holm”，“hochberg”， “hommel”， “bonferroni”，“BH”，“BY”，“fdr”，“none”。“none”即不校正，默认为“fdr”。

（5）CI计算方法，即计算置信区间的方法，方法包括：“Diff Between Prop Asymptotic CC”，“Diff Between Prop Asymptotic”，“Newcombe Wilson”。置信度可选择：0.90，0.95，0.98，0.99，0.999。

Diff Between Prop Asymptotic：即DP: Asymptotic，标准大样本法。

Diff Between Prop Asymptotic CC：即DP: Asymptotic with CC，基于连续校正的标准大样本法解释分布的近似离散性。

Newcombe Wilson：即DP: Newcombe-Wilson，该方法为Newcombe对比7种渐近方法后的推荐方法。

分析软件：R的stats包和Python的scipy包。

㈩ 请问MOE软件中PLS线性回归分析的原理是什么啊

比较了非线性回归3种方法的数学原理:曲线直线化方法、非线性最小二乘方法、近似非线性法说明了用方差分析确定回归模型的统计学意义、用决定系数R2描述曲线的拟合效果

提示：当数据不存在线性关系时，利用EXCEL回归分析