面向大数据的电信客户分群模型研究与设计
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-16页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 数据挖掘 | 第11页 |
| 1.2.2 聚类分析 | 第11-12页 |
| 1.2.3 社会网络分析 | 第12-14页 |
| 1.2.4 客户分群 | 第14-15页 |
| 1.3 论文组织结构 | 第15-16页 |
| 第2章 相关理论与基础知识 | 第16-21页 |
| 2.1 大数据处理 | 第16-17页 |
| 2.2 K-均值聚类 | 第17页 |
| 2.3 客户分群 | 第17-18页 |
| 2.4 社会网络分析 | 第18-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 聚类分析模型设计 | 第21-30页 |
| 3.1 K-均值聚类算法原理 | 第21页 |
| 3.2 业务问题分析 | 第21-22页 |
| 3.3 处理框架 | 第22-23页 |
| 3.4 数据预处理 | 第23-27页 |
| 3.4.1 数据源分析 | 第23-25页 |
| 3.4.2 数据预处理 | 第25页 |
| 3.4.3 数据初探 | 第25-26页 |
| 3.4.4 数据整合 | 第26-27页 |
| 3.5 客户分群 | 第27-28页 |
| 3.5.1 指标选择 | 第27-28页 |
| 3.5.2 建立模型 | 第28页 |
| 3.6 子群分析 | 第28页 |
| 3.7 聚类分析输出结果 | 第28-29页 |
| 3.8 本章小结 | 第29-30页 |
| 第4章 大数据电信客户分群原型系统设计与实现 | 第30-43页 |
| 4.1 系统概述 | 第30页 |
| 4.2 系统总体设计 | 第30-34页 |
| 4.2.1 系统架构 | 第30-32页 |
| 4.2.2 系统总体功能设计 | 第32-34页 |
| 4.3 系统实现 | 第34-42页 |
| 4.3.1 数据模型设计 | 第34-37页 |
| 4.3.2 开发语言选择：Python | 第37-38页 |
| 4.3.3 Web框架选择：Django | 第38页 |
| 4.3.4 Web界面设计 | 第38-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 结论 | 第43-44页 |
| 参考文献 | 第44-48页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第48-49页 |
| 致谢 | 第49-50页 |
| 作者简介 | 第50页 |
