朴素贝叶斯算法及其在电信客户流失分析中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪 论 | 第12-19页 |
| ·研究背景 | 第12-13页 |
| ·研究现状及发展 | 第13-17页 |
| ·国外研究现状及发展 | 第13-16页 |
| ·国内研究现状及发展 | 第16-17页 |
| ·本文主要工作 | 第17页 |
| ·本文的内容安排 | 第17-19页 |
| 第2章 数据挖掘理论与常用分类算法概述 | 第19-29页 |
| ·引言 | 第19页 |
| ·数据挖掘理论 | 第19-25页 |
| ·数据挖掘概况 | 第19-20页 |
| ·数据挖掘功能 | 第20-22页 |
| ·数据挖掘算法分类 | 第22-23页 |
| ·数据挖掘过程 | 第23-25页 |
| ·几种常用的分类算法 | 第25-28页 |
| ·Na(?)ve Bayes 分类技术 | 第25页 |
| ·决策树技术 | 第25-26页 |
| ·神经网络分类 | 第26-27页 |
| ·逻辑回归分析 | 第27-28页 |
| ·其它分类算法 | 第28页 |
| ·小结 | 第28-29页 |
| 第3章 一种改进的朴素贝叶斯属性选择算法 | 第29-40页 |
| ·引言 | 第29页 |
| ·相关工作 | 第29-36页 |
| ·贝叶斯理论与贝叶斯分类方法 | 第29-32页 |
| ·改进的贝叶斯算法 | 第32-36页 |
| ·改进的选择性朴素贝叶斯算法 | 第36-39页 |
| ·选择性朴素贝叶斯算法 | 第36-37页 |
| ·改进的选择贝叶斯算法 | 第37-39页 |
| ·小结 | 第39-40页 |
| 第4章 最大价值量的朴素贝叶斯分类算法 | 第40-50页 |
| ·引言 | 第40页 |
| ·分类器性能评价标准 | 第40-42页 |
| ·PNB 算法 | 第42-47页 |
| ·PNB 算法的分类公式 | 第42-43页 |
| ·价值量 | 第43-45页 |
| ·PNB 算法描述及流程 | 第45-47页 |
| ·实验结果与分析 | 第47-49页 |
| ·小结 | 第49-50页 |
| 第5章 电信客户流失预测模型的实现 | 第50-61页 |
| ·引言 | 第50页 |
| ·商业理解 | 第50-51页 |
| ·数据理解 | 第51-55页 |
| ·数据准备 | 第55-58页 |
| ·确定时间窗口 | 第56页 |
| ·数据清洗 | 第56-57页 |
| ·属性约简 | 第57-58页 |
| ·建立模型 | 第58-59页 |
| ·模型评估 | 第59-60页 |
| ·小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 附录A 攻读硕士期间发表的论文 | 第67-68页 |
| 附录B 攻读硕士期间参加的项目 | 第68页 |
