基于数据挖掘的电信客户流失预测研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-17页 |
| ·研究的背景及意义 | 第7-9页 |
| ·研究背景 | 第7-8页 |
| ·研究意义 | 第8-9页 |
| ·研究的现状及存在的问题 | 第9-13页 |
| ·数据挖掘在电信业的应用现状 | 第9-10页 |
| ·流失预测的研究现状 | 第10-11页 |
| ·目前研究存在的问题 | 第11-13页 |
| ·本文所做的工作 | 第13-17页 |
| ·本文的思路 | 第13-14页 |
| ·结构安排 | 第14-17页 |
| 第二章 相关理论基础 | 第17-27页 |
| ·数据仓库 | 第17-18页 |
| ·数据挖掘 | 第18-21页 |
| ·出现背景及定义 | 第18页 |
| ·分类数据挖掘算法 | 第18-19页 |
| ·数据挖掘模型及通用软件 | 第19-21页 |
| ·生存分析的基本理论 | 第21-24页 |
| ·生存分析的基本涵义 | 第21-22页 |
| ·生存分析特征函数 | 第22页 |
| ·生存分析在电信领域的适用性 | 第22-23页 |
| ·生存分析常见模型 | 第23-24页 |
| ·Cox 比例风险模型 | 第24-26页 |
| ·Cox 模型基本形式及其优点 | 第24页 |
| ·PH 假设及其检验方法 | 第24-26页 |
| ·系数β的估计 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 数据预处理及流失预测指标体系的建立 | 第27-41页 |
| ·数据预处理的重要性 | 第27-28页 |
| ·数据预处理技术及本文所做工作 | 第28-34页 |
| ·数据理解 | 第28-30页 |
| ·数据集成 | 第30-31页 |
| ·数据转换 | 第31-32页 |
| ·数据规约 | 第32-33页 |
| ·数据清理 | 第33-34页 |
| ·属性约简即流失预测指标的建立 | 第34-39页 |
| ·建立流失预测指标的原则 | 第34-35页 |
| ·本文的工作及结果 | 第35-39页 |
| ·数据抽样与不平衡数据集的处理 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 构建模型 | 第41-51页 |
| ·商业理解 | 第41-42页 |
| ·数据描述及确定时间窗口 | 第42-44页 |
| ·数据描述 | 第42-43页 |
| ·确定时间窗口 | 第43-44页 |
| ·建立分类预测模型 | 第44-45页 |
| ·分类模型的建立 | 第44页 |
| ·结果的解释 | 第44-45页 |
| ·建立 Cox 模型 | 第45-47页 |
| ·协变量 PH 假设检验 | 第45-46页 |
| ·模型的建立及结果 | 第46-47页 |
| ·模型评估 | 第47-48页 |
| ·模型验证 | 第48页 |
| ·本章小结 | 第48-51页 |
| 第五章 模型发布及维系挽留客户 | 第51-55页 |
| ·客户流失原因及分类 | 第51-52页 |
| ·客户流失原因 | 第51页 |
| ·流失客户分类 | 第51-52页 |
| ·客户价值评定 | 第52-53页 |
| ·模型发布及维系挽留工作 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 总结及展望 | 第55-57页 |
| ·本文所做工作总结 | 第55-56页 |
| ·不足及展望 | 第56-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-62页 |
