音乐流媒体的用户流失预测分析
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 引言 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 文献综述 | 第9-11页 |
| 1.3 研究内容和创新点 | 第11-13页 |
| 1.3.1 研究内容 | 第11页 |
| 1.3.2 框架结构 | 第11-12页 |
| 1.3.3 创新点 | 第12-13页 |
| 第2章 用户流失预测相关理论技术和方法 | 第13-23页 |
| 2.1 用户流失预测关键理论技术 | 第13-17页 |
| 2.1.1 类别不平衡问题 | 第13页 |
| 2.1.2 特征工程 | 第13-15页 |
| 2.1.3 数据降维可视化技术 | 第15-17页 |
| 2.1.4 客户价值理论 | 第17页 |
| 2.2 用户流失预测分析方法 | 第17-23页 |
| 2.2.1 分类分析 | 第18-20页 |
| 2.2.2 聚类分析 | 第20-23页 |
| 第3章 用户流失预测模型分析 | 第23-39页 |
| 3.1 问题分析 | 第23-24页 |
| 3.1.1 用户流失问题描述 | 第23页 |
| 3.1.2 用户流失定义 | 第23-24页 |
| 3.2 数据准备 | 第24-26页 |
| 3.2.1 数据收集 | 第24-25页 |
| 3.2.2 数据清洗 | 第25-26页 |
| 3.3 特征分析 | 第26-31页 |
| 3.3.1 单变量分析 | 第26-28页 |
| 3.3.2 多变量对比分析 | 第28-31页 |
| 3.4 特征工程 | 第31-35页 |
| 3.4.1 特征预处理 | 第31页 |
| 3.4.2 特征构建 | 第31-34页 |
| 3.4.3 特征选择 | 第34-35页 |
| 3.5 用户流失预测模型训练和评估 | 第35-39页 |
| 3.5.1 模型训练 | 第35-36页 |
| 3.5.2 模型评估和结果分析 | 第36-39页 |
| 第4章 用户流失原因及用户细分模型分析 | 第39-43页 |
| 4.1 用户流失原因分析 | 第39页 |
| 4.2 基于扩展的RFM模型的客户细分 | 第39-43页 |
| 第5章 研究结论及展望 | 第43-45页 |
| 参考文献 | 第45-47页 |
| 附录 | 第47-52页 |
| 致谢 | 第52-53页 |
