1. 毕业设计（论文）主要目标：
本文主要针对来自于社交媒体Facebook上的品牌建设绩效数据集，结合自身专业知识和国内外对社交媒体品牌建设的研究状况，通过对输入特征变量和输出特征变量的关联度，选取最能体现品牌建设绩效的输出特征变量，建立不同的数学模型。并且比较各模型的优缺点，挑选出最优模型。通过毕业论文设计写作，培养和提高所学专业知识的实际应用能力，加强创新意识，增强创新能力，坚持实事求是的科学态度。
2. 毕业设计（论文）主要内容：
（1）原始数据的采集及处理，查阅UCI的2016年的Facebook的品牌的相关数据，并获取相关变量数据，对历年来各公司建立自己的品牌的输入因素进行统计描述，利用多元统计分析输入因素与输出因素的相关性；（2）利用聚类分析方法和SAS软件，建立聚类模型，选择出最能体现品牌的建立绩效的输出特征；（3）利用2014年国外某知名品牌在Facebook社交网络上发布的帖子的7个输入特征和12输出特征（解释变量），分别建立决策树回归模型、随机森林模型和logistic回归模型等可预测模型，比较各模型预测的精度；根据结果选择优异模型，改进预测模型提高拟合效果；根据最终确立的模型做出总结，探讨提高公司发布的帖子的影响力度的思路和建议。
3. 主要参考文献
[1]. 陈立南，刘阳，马严，黄小红，赵庆聪，魏伟.基于统计的高效决策树分组分类算法[J].北京:通信学报，2014，35(Z1)：58-59.[2]. Kaplan.A.M and Haenlein.Users of the world,unite! The challenges and opportunities of Social Media [J]. Business Horizons，2010，53(1)：59–68. Mangold.W. G and Faulds, D.Social media: The new hybrid element of the promotion mix [J].Business Horizons，2009，52(4)：357–365[3]. 吕伟航．随机森林算法研究及改进 [D]．厦门：厦门大学，2013：8-13.[4]. EK Tang，PN Suganthan，X Yao.An analysis of diversity measures [J]. Kluwer Academic Publishers，2006，65(1)：247-271.[5]. 张菊连，沈明荣.岩体分级的多分类有序因变量logistic回归模型 [J] .上海：同济大学学报.2011，39(4)：508-509.[6]. 高歌，张明芝.多分类有序反应变量Logistic回归及其应用 [J].江苏.苏州：同济大学学报.2003，31(10)： 1238-1239.[7]. Sergio Mono，Paulo Rita and Bernardo Vala. Predicting social media performance metrics and evaluation of the impact on brand building: A data mining approach [J]. Journal of Business Research，2016，69(9)：3341–3351.[8]. 王斌（译）.如何通过可信区间估计P值 [J]. 英国医学杂志：中文版（BMJ）.2015，15（2）：107-109.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
