| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1. 绪论 | 第9-14页 |
| 1.1 研究的背景 | 第9页 |
| 1.2 研究的意义 | 第9-10页 |
| 1.3 文献综述 | 第10-12页 |
| 1.4 论文的组织 | 第12-14页 |
| 2. 客户流失理论概述 | 第14-18页 |
| 2.1 客户关系管理 | 第14-15页 |
| 2.2 客户流失 | 第15-18页 |
| 3. 数据挖掘理论概述 | 第18-21页 |
| 3.1 数据挖掘的定义 | 第18-19页 |
| 3.2 数据挖掘的实施步骤及过程 | 第19-21页 |
| 4. 客户流失预警技术与方法 | 第21-30页 |
| 4.1 K-means 聚类 | 第21-22页 |
| 4.2 Logistic 回归算法 | 第22-24页 |
| 4.3 决策树算法 | 第24-27页 |
| 4.4 关联规则算法 | 第27-30页 |
| 5. 电信客户流失模型的建立 | 第30-64页 |
| 5.1 R 语言简介 | 第30页 |
| 5.2 数据理解与选择 | 第30-32页 |
| 5.3 数据的预处理 | 第32页 |
| 5.4 探索性数据分析 | 第32-38页 |
| 5.5 模型的建立 | 第38-39页 |
| 5.6 基于 K-means 算法的电信客户聚类 | 第39-40页 |
| 5.7 基于 logistic 回归算法的电信客户流失模型 | 第40-48页 |
| 5.8 基于决策树算法的电信客户流失模型 | 第48-52页 |
| 5.9 基于关联规则算法的电信客户流失模型 | 第52-60页 |
| 5.10 客户流失模型的评估标准 | 第60-61页 |
| 5.11 各算法之间的对比分析 | 第61-62页 |
| 5.12 解释模型与应用模型 | 第62-64页 |
| 6 结论 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |