数据挖掘在电信行业客户流失分析中的应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题背景及研究的意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 本文研究内容和结构安排 | 第12-14页 |
| 第二章 相关理论概述 | 第14-29页 |
| 2.1 数据挖掘理论概述 | 第14-24页 |
| 2.1.1 数据挖掘的概念 | 第14页 |
| 2.1.2 数据挖掘的过程 | 第14-15页 |
| 2.1.3 支持向量机理论 | 第15-20页 |
| 2.1.4 自组织数据挖掘 | 第20-24页 |
| 2.2 电信客户流失问题概述 | 第24-28页 |
| 2.2.1 电信客户的生命周期 | 第24-25页 |
| 2.2.2 流失的定义 | 第25页 |
| 2.2.3 电信客户流失问题的解决框架 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 电信客户的流失预测 | 第29-48页 |
| 3.1 问题分析 | 第29-31页 |
| 3.2 时间窗口的确定 | 第31-33页 |
| 3.3 数据准备阶段 | 第33-38页 |
| 3.4 数据预处理 | 第38-39页 |
| 3.5 建立流失预测模型 | 第39-47页 |
| 3.5.1 动态集成学习算法 | 第39-40页 |
| 3.5.2 基于动态集成的预测模型 | 第40-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 电信客户流失预测的实验及结果分析 | 第48-58页 |
| 4.1 数据准备 | 第48页 |
| 4.2 建立预测模型 | 第48-49页 |
| 4.3 实验设计 | 第49-51页 |
| 4.4 结果与分析 | 第51-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 流失原因分析及挽留策略的制定 | 第58-67页 |
| 5.1 电信客户的流失原因 | 第58-59页 |
| 5.2 制定挽留策略 | 第59-63页 |
| 5.2.1 客户细分 | 第59-60页 |
| 5.2.2 基于K-means算法的细分模型 | 第60-63页 |
| 5.3 实验与结果分析 | 第63-66页 |
| 5.4 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 答辩委员签名的答辩决议书 | 第73页 |
