| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 引言 | 第10-23页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 文献综述 | 第11-19页 |
| 1.2.1 国内外基于用户行为的客户流失研究综述 | 第11-13页 |
| 1.2.2 国内外客户流失预测方法综述 | 第13-18页 |
| 1.2.3 国内外Xgboost算法应用综述 | 第18-19页 |
| 1.3 研究思路 | 第19-21页 |
| 1.4 论文框架 | 第21页 |
| 1.5 本文的个人贡献 | 第21-23页 |
| 第二章 移动互联网背景下的客户流失问题概述 | 第23-32页 |
| 2.1 移动互联网及其背景下的行业发展现状 | 第23-28页 |
| 2.1.1 宏微观层面下移动互联网的发展现状 | 第23-25页 |
| 2.1.2 在线旅游行业发展现状 | 第25-26页 |
| 2.1.3 无线端酒店预订市场发展现状 | 第26-28页 |
| 2.2 移动互联网背景下客户流失的问题 | 第28-32页 |
| 2.2.1 客户流失问题 | 第28-30页 |
| 2.2.2 大数据在客户流失分析中的作用 | 第30-32页 |
| 第三章 数据预处理方法 | 第32-38页 |
| 3.1 缺失值处理方法 | 第32-35页 |
| 3.1.1 链式方程多元插值法 | 第32-33页 |
| 3.1.2 缺失森林插补法 | 第33-34页 |
| 3.1.3 缺失值插补方法的比较 | 第34-35页 |
| 3.2 不平衡数据处理方法 | 第35-36页 |
| 3.2.1 Borderline-SMOTE抽样 | 第35-36页 |
| 3.2.2 改进的Borderline-SMOTE抽样 | 第36页 |
| 3.3 特征选择方法 | 第36-38页 |
| 3.3.1 决策树算法 | 第36-37页 |
| 3.3.2 Boruta算法 | 第37-38页 |
| 第四章 无线端用户行为数据预处理 | 第38-68页 |
| 4.1 数据介绍及描述性统计 | 第38-48页 |
| 4.1.1 数据介绍与变量说明 | 第38-40页 |
| 4.1.2 无线端酒店预订市场数据描述性统计 | 第40-48页 |
| 4.2 缺失值处理 | 第48-56页 |
| 4.2.1 初步剔除变量 | 第48-50页 |
| 4.2.2 缺失值插补 | 第50-56页 |
| 4.3 不平衡数据的处理 | 第56-57页 |
| 4.4 特征选择 | 第57-68页 |
| 4.4.1 假设检验与箱线图 | 第57-61页 |
| 4.4.2 决策树特征选择 | 第61-63页 |
| 4.4.3 Boruta特征选择 | 第63-64页 |
| 4.4.4 特征选择结果 | 第64-68页 |
| 第五章 无线端酒店预订市场客户流失预测分析 | 第68-78页 |
| 5.1 Xgboost算法简介 | 第68-70页 |
| 5.2 构建无线端酒店预订市场客户流失预测模型 | 第70-74页 |
| 5.2.1 调参 | 第70-72页 |
| 5.2.2 模型结果 | 第72-74页 |
| 5.3 客户流失预测模型效果评价及比较 | 第74-78页 |
| 5.3.1 评价指标 | 第74-75页 |
| 5.3.2 评价及比较 | 第75-78页 |
| 第六章 总结与展望 | 第78-84页 |
| 6.1 总结 | 第78-82页 |
| 6.1.1 全文工作总结与结论 | 第78-80页 |
| 6.1.2 建议 | 第80-82页 |
| 6.2 不足和展望 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 致谢 | 第88页 |