| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 基于不平衡数据集的分类预测算法的研究现状 | 第11-12页 |
| 1.3 本文研究内容及文章结构 | 第12-15页 |
| 第二章 分类算法与不平衡数据集概述 | 第15-27页 |
| 2.1 分类算法概述 | 第15页 |
| 2.2 分类算法性能评估 | 第15-21页 |
| 2.2.1 ROC曲线 | 第16-17页 |
| 2.2.2 AUC面积 | 第17页 |
| 2.2.3 基分类器 | 第17-20页 |
| 2.2.4 集成分类算法 | 第20-21页 |
| 2.3 不平衡数据集 | 第21-22页 |
| 2.4 不平衡数据集的分类难点 | 第22-23页 |
| 2.5 不平衡数据集的处理方法 | 第23-24页 |
| 2.5.1 基于数据层面的不平衡数据处理策略 | 第23页 |
| 2.5.2 基于算法层面的不平衡数据处理策略 | 第23-24页 |
| 2.5.3 基于判决准则层面的不平衡数据集分类预测算法性能评估 | 第24页 |
| 2.6 本章小结 | 第24-27页 |
| 第三章 基于不平衡数据集分类算法的改进 | 第27-35页 |
| 3.1 基础算法概述 | 第27-29页 |
| 3.1.1 SMOTE算法 | 第27-28页 |
| 3.1.2 AdaBoost集成分类算法 | 第28-29页 |
| 3.2 基于SMOTE的AdaBoost算法 | 第29-31页 |
| 3.2.1 算法改进 | 第29-30页 |
| 3.2.2 基于SMOTE的AdaBoost算法步骤 | 第30-31页 |
| 3.3 实验验证 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 不平衡数据集的分类评估标准研究 | 第35-43页 |
| 4.1 模型评估标准概述 | 第35页 |
| 4.2 基于不平衡数据集的分类模型评估新标准 | 第35-39页 |
| 4.2.1 客户流失运动模型 | 第36-37页 |
| 4.2.2 利润函数与挽留模型 | 第37-38页 |
| 4.2.3 基于利润最大化的模型评估函数 | 第38-39页 |
| 4.3 实验验证 | 第39-41页 |
| 4.4 本章小结 | 第41-43页 |
| 第五章 基于不平衡数据集分类预测算法的应用 | 第43-55页 |
| 5.1 运营商数据简介 | 第43页 |
| 5.2 针对客户流失数据的应用与分析 | 第43-49页 |
| 5.2.1 客户流失数据采集与预处理 | 第44-46页 |
| 5.2.2 客户流失预警模型构建 | 第46页 |
| 5.2.3 基于利润模型的效果评估 | 第46-49页 |
| 5.3 针对业务营销数据的应用与分析 | 第49-53页 |
| 5.3.1 业务营销数据采集与预处理 | 第49-50页 |
| 5.3.2 业务精准营销模型构建 | 第50页 |
| 5.3.3 基于利润模型的效果评估 | 第50-53页 |
| 5.4 本章小结 | 第53-55页 |
| 第六章 论文研究工作总结与下一步研究工作展望 | 第55-57页 |
| 6.1 论文研究工作总结 | 第55页 |
| 6.2 下一步研究工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读学位期间的学术成果 | 第63页 |