数据挖掘在移动客户流失预测中的研究与应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| ·中国电信业发展概况 | 第8页 |
| ·数据挖掘技术的发展 | 第8-10页 |
| ·将数据挖掘技术应用于移动客户流失预测的必要性 | 第10页 |
| ·论文的内容结构 | 第10-12页 |
| 第二章 相关理论及技术 | 第12-21页 |
| ·数据挖掘 | 第12-13页 |
| ·用于预测的数据挖掘算法 | 第13-21页 |
| ·贝叶斯算法 | 第14-15页 |
| ·决策树算法 | 第15-17页 |
| ·神经网络 | 第17-21页 |
| 第三章 数据准备 | 第21-30页 |
| ·数据采集 | 第21-23页 |
| ·数据预处理 | 第23-27页 |
| ·数据清洗 | 第24页 |
| ·数据变换 | 第24-25页 |
| ·数据选择 | 第25页 |
| ·数据抽样 | 第25-26页 |
| ·属性约简 | 第26页 |
| ·粗糙集概述 | 第26-27页 |
| ·数据仓库 | 第27-30页 |
| ·数据仓库概述 | 第27页 |
| ·数据集市 | 第27-28页 |
| ·数据仓库的体系结构 | 第28-29页 |
| ·数据挖掘与数据仓库 | 第29-30页 |
| 第四章 流失因素分析 | 第30-32页 |
| ·自愿流失 | 第30页 |
| ·非自愿流失 | 第30-31页 |
| ·常见的影响客户流失的特征和因素 | 第31-32页 |
| 第五章 预测分析实施过程 | 第32-46页 |
| ·过程总述 | 第32-33页 |
| ·客户分群 | 第33-34页 |
| ·数据预处理 | 第34-37页 |
| ·整理数据 | 第34-36页 |
| ·确定训练模型的输入数据 | 第36-37页 |
| ·设置客户标识 | 第37页 |
| ·建立预测模型 | 第37-41页 |
| ·贝叶斯预测模型 | 第38-39页 |
| ·神经网络预测模型 | 第39-40页 |
| ·Decision_Trees1预测模型 | 第40页 |
| ·Decision_Trees2预测模型 | 第40-41页 |
| ·流失客户的特征描述 | 第41页 |
| ·模型性能分析 | 第41-46页 |
| ·覆盖率和整体准确率 | 第42页 |
| ·模型准确率比较 | 第42-46页 |
| 第六章 总结 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 致谢 | 第50-51页 |
| 攻读学位期间发表的学术论文目录 | 第51页 |
