| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 客户流失现状 | 第10-11页 |
| 1.2.2 不平衡数据研究现状 | 第11-12页 |
| 1.2.3 Hadoop研究现状 | 第12-14页 |
| 1.3 本文主要内容 | 第14页 |
| 1.4 本文结构安排 | 第14-16页 |
| 第二章 数学理论基础及相关技术 | 第16-29页 |
| 2.1 统计学习理论 | 第16-18页 |
| 2.1.1 VC维 | 第16-17页 |
| 2.1.2 推广性的界理论 | 第17页 |
| 2.1.3 结构风险最小化原则 | 第17-18页 |
| 2.2 支持向量机（Support Vector Machine，SVM） | 第18-24页 |
| 2.2.1 SVM简介 | 第18-19页 |
| 2.2.2 数据线性可分 | 第19-22页 |
| 2.2.3 数据非线性可分 | 第22-24页 |
| 2.3 Hadoop | 第24-28页 |
| 2.3.1 Hadoop简介 | 第24-25页 |
| 2.3.2 HDFS简介 | 第25-26页 |
| 2.3.3 MapReduce简介 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 不平衡数据分析与处理 | 第29-48页 |
| 3.1 不平衡数据简介 | 第29页 |
| 3.2 传统算法的不足 | 第29-30页 |
| 3.3 目前解决办法 | 第30-34页 |
| 3.3.1 基于数据层面 | 第30-32页 |
| 3.3.2 基于算法层面 | 第32-34页 |
| 3.4 性能评价指标 | 第34-35页 |
| 3.5 本文解决办法 | 第35-47页 |
| 3.5.1 代价敏感支持向量机C-SVM | 第35-38页 |
| 3.5.2 实验验证和分析 | 第38-40页 |
| 3.5.3 基于差分进化的代价敏感支持向量机C-SVM | 第40-44页 |
| 3.5.4 实验验证和分析 | 第44-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 基于Hadoop平台处理不平衡数据 | 第48-60页 |
| 4.1 差分进化算法并行性分析 | 第48-50页 |
| 4.2 基于MapReduce框架的算法并行化 | 第50-52页 |
| 4.3 Hadoop平台搭建 | 第52-57页 |
| 4.4 实验分析 | 第57-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 基于Hadoop平台搭建预测客户流失模型 | 第60-69页 |
| 5.1 商业理解 | 第60-61页 |
| 5.2 数据理解 | 第61-62页 |
| 5.3 数据准备 | 第62-65页 |
| 5.3.1 数据集成 | 第62-63页 |
| 5.3.2 数据清洗 | 第63页 |
| 5.3.3 数据规约 | 第63-64页 |
| 5.3.4 数据转化 | 第64-65页 |
| 5.4 构建模型 | 第65-66页 |
| 5.5 模型评估 | 第66-67页 |
| 5.6 方案实施 | 第67-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 全文总结 | 第69-70页 |
| 6.2 研究展望 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76-77页 |
| 读研期间发表的论文 | 第77页 |