| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题的研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要研究内容 | 第11页 |
| 1.4 论文主要结构 | 第11-13页 |
| 第2章 相关理论知识 | 第13-22页 |
| 2.1 零售门店选址理论 | 第13-16页 |
| 2.1.1 中心地理论 | 第13-14页 |
| 2.1.2 空间相互作用理论 | 第14-15页 |
| 2.1.3 竞租理论 | 第15页 |
| 2.1.4 最小差异模型以及零售集群理论 | 第15-16页 |
| 2.2 机器学习以及代表性算法 | 第16-21页 |
| 2.2.1 机器学习简介 | 第16页 |
| 2.2.2 GBRT算法 | 第16-17页 |
| 2.2.3 SVM（Support Vector Machine） | 第17-20页 |
| 2.2.4 RFC（Random Forest Classifier） | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 连锁店选址的特征选取与数据集选取 | 第22-36页 |
| 3.1 特征选取 | 第22-24页 |
| 3.1.1 影响店铺选址的有关因素 | 第22-24页 |
| 3.1.2 因素分解 | 第24页 |
| 3.2 数据集的选取 | 第24-32页 |
| 3.2.1 原始数据集介绍 | 第24-27页 |
| 3.2.2 特征抽取 | 第27-31页 |
| 3.2.3 特征选择与标签的制定 | 第31-32页 |
| 3.3 区域划分与数据集处理 | 第32-35页 |
| 3.3.1 区域划分 | 第32-33页 |
| 3.3.2 数据集的选取与处理 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于三种机器学习算法的商铺选址模型的实现 | 第36-44页 |
| 4.1 候选区域选取 | 第36页 |
| 4.2 特征的提取与选择 | 第36-38页 |
| 4.3 数据集划分以及归一化 | 第38页 |
| 4.3.1 数据集划分 | 第38页 |
| 4.3.2 数据归一化处理 | 第38页 |
| 4.4 结果准确性评价指标 | 第38-40页 |
| 4.5 实验结果分析 | 第40-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第5章 总结与展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49页 |