基于神经网络算法构建电信用户流失预测模型的研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景 | 第9-12页 |
| ·电信运营商面临的挑战 | 第9-10页 |
| ·数据挖掘的发展 | 第10-11页 |
| ·数据挖掘技术在电信业的应用 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-14页 |
| ·主要研究内容 | 第14-15页 |
| ·文章的组织结构 | 第15-17页 |
| 第二章 相关理论知识介绍 | 第17-25页 |
| ·数据挖掘过程 | 第17-19页 |
| ·跨行业数据挖掘过程CRISP-DM | 第17-19页 |
| ·神经网络算法 | 第19-21页 |
| ·Hadoop | 第21-25页 |
| ·分布式文件系统HDFS | 第21-23页 |
| ·分布式计算框架MapReduce | 第23-25页 |
| 第三章 模型数据的准备 | 第25-43页 |
| ·商业理解 | 第25-27页 |
| ·用户流失的定义 | 第25-26页 |
| ·客户流失原因分析 | 第26页 |
| ·电信的三户模型 | 第26-27页 |
| ·数据理解 | 第27-31页 |
| ·确定数据分析窗口 | 第27-28页 |
| ·相关数据的选择 | 第28-31页 |
| ·数据准备 | 第31-43页 |
| ·数据集成 | 第31-32页 |
| ·数据清理 | 第32-35页 |
| ·数据规约 | 第35-36页 |
| ·数据变换 | 第36-37页 |
| ·数据的平衡问题 | 第37-38页 |
| ·重要属性的选择 | 第38-42页 |
| ·数据集的划分 | 第42-43页 |
| 第四章 模型建立、评估与应用 | 第43-53页 |
| ·预测模型的建立 | 第43-48页 |
| ·BP神经网络学习算法 | 第43-45页 |
| ·网络结构的参数设定 | 第45-47页 |
| ·网络的训练过程 | 第47-48页 |
| ·模型的评估 | 第48-51页 |
| ·模型的部署与应用 | 第51-53页 |
| 第五章 预测模型的Hadoop平台实现 | 第53-58页 |
| ·实验平台介绍 | 第53-54页 |
| ·预测模型的并行化 | 第54-55页 |
| ·实验结果分析 | 第55-57页 |
| ·小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·本文总结 | 第58-59页 |
| ·未来工作的展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 研究生期间参与的项目 | 第63-64页 |
| 致谢 | 第64页 |
