Logistic回归和决策树在数据库营销响应中的应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 研究内容及框架 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 文章框架 | 第15-16页 |
| 2 数据库营销的理论简述 | 第16-28页 |
| 2.1 数据库营销的概念 | 第16页 |
| 2.2 数据库营销的发展阶段 | 第16-17页 |
| 2.2.1 初级阶段 | 第16-17页 |
| 2.2.2 实用阶段 | 第17页 |
| 2.2.3 发达阶段 | 第17页 |
| 2.3 数据库营销的优势 | 第17-18页 |
| 2.4 数据库营销的模型分类 | 第18-20页 |
| 2.4.1 营销响应模型 | 第18页 |
| 2.4.2 客户流失模型 | 第18-19页 |
| 2.4.3 交叉销售模型 | 第19页 |
| 2.4.4 客户细分模型 | 第19页 |
| 2.4.5 企业模型开发顺序 | 第19-20页 |
| 2.5 响应模型分析方法 | 第20-28页 |
| 2.5.1 Logistic回归模型 | 第20-23页 |
| 2.5.2 决策树 | 第23-25页 |
| 2.5.3 神经网络 | 第25-26页 |
| 2.5.4 遗传算法 | 第26页 |
| 2.5.5 方法比较及选择 | 第26-28页 |
| 3 数据库营销的建模流程 | 第28-33页 |
| 3.1 业务理解 | 第28-29页 |
| 3.1.1 确定业务目标 | 第28-29页 |
| 3.1.2 资源评估 | 第29页 |
| 3.1.3 选择建模分析方法 | 第29页 |
| 3.2 数据理解 | 第29-30页 |
| 3.2.1 收集数据 | 第29页 |
| 3.2.2 选择数据 | 第29-30页 |
| 3.2.3 检查数据 | 第30页 |
| 3.3 数据准备 | 第30-31页 |
| 3.3.1 清洗数据 | 第30页 |
| 3.3.2 生成衍生字段 | 第30-31页 |
| 3.3.3 描述性统计分析 | 第31页 |
| 3.4 建立模型 | 第31-32页 |
| 3.4.1 确定建模方法 | 第31页 |
| 3.4.2 建立模型 | 第31页 |
| 3.4.3 模型检验 | 第31-32页 |
| 3.5 模型验证 | 第32页 |
| 3.6 模型应用 | 第32页 |
| 3.7 本章小结 | 第32-33页 |
| 4 数据库营销响应模型案例分析 | 第33-58页 |
| 4.1 业务理解 | 第33页 |
| 4.2 数据理解 | 第33-35页 |
| 4.2.1 原始数据介绍 | 第33页 |
| 4.2.2 变量理解 | 第33-35页 |
| 4.3 数据准备 | 第35-44页 |
| 4.3.1 原始数据整理 | 第35-36页 |
| 4.3.2 数据清洗 | 第36-37页 |
| 4.3.3 描述性统计分析 | 第37-40页 |
| 4.3.4 虚拟变量的设置 | 第40-44页 |
| 4.4 建立Logistic回归模型 | 第44-51页 |
| 4.4.1 分割样本 | 第44-45页 |
| 4.4.2 多次抽样筛选自变量 | 第45-47页 |
| 4.4.3 参数估计结果及显著性检验 | 第47-49页 |
| 4.4.4 Logistic回归方程 | 第49页 |
| 4.4.5 多重共线性检验 | 第49-50页 |
| 4.4.6 有效性检验 | 第50-51页 |
| 4.5 建立决策树模型 | 第51-52页 |
| 4.6 模型验证 | 第52-54页 |
| 4.6.1 Logistic回归模型验证 | 第52-54页 |
| 4.6.2 决策树模型验证 | 第54页 |
| 4.7 模型应用 | 第54-56页 |
| 4.7.1 应用Logistic回归模型 | 第54-56页 |
| 4.7.2 应用决策树模型 | 第56页 |
| 4.8 本章小结 | 第56-58页 |
| 5 总结与展望 | 第58-59页 |
| 5.1 全文总结 | 第58页 |
| 5.2 前景展望 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 附录 | 第61-63页 |
| 后记 | 第63页 |
