| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 引言 | 第9-18页 |
| 1.1 研究背景、研究意义、研究目的 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.1.3 研究目的 | 第11页 |
| 1.2 文献综述 | 第11-16页 |
| 1.2.1 个性化营销策略的研究现状及建模问题分析 | 第11-13页 |
| 1.2.2 个性化营销模型中非均衡样本的研究现状与解决方法 | 第13-16页 |
| 1.3 研究思路及结构安排 | 第16-18页 |
| 1.3.1 研究思路 | 第16页 |
| 1.3.2 研究框架 | 第16-18页 |
| 2.个性化营销策略在高端化妆品中的应用理论与研究思路 | 第18-21页 |
| 2.1 高端化妆品及消费人群的特征 | 第18页 |
| 2.2 个性化营销策略的理论基础 | 第18-21页 |
| 2.2.1 个性化营销的定义 | 第18-19页 |
| 2.2.2 个性化营销的特征 | 第19-20页 |
| 2.2.3 个性化营销策略的模型构建 | 第20-21页 |
| 3.分类算法的比较与选择 | 第21-33页 |
| 3.1 数据挖掘中几种主要分类算法 | 第21-26页 |
| 3.1.1 决策树分类算法 | 第21-22页 |
| 3.1.2 逻辑回归分类算法 | 第22-23页 |
| 3.1.3 KNN分类算法 | 第23-24页 |
| 3.1.4 人工神经网络分类算法 | 第24-25页 |
| 3.1.5 SVM分类算法 | 第25-26页 |
| 3.2 基于个性化营销的几种分类算法的比较与选择 | 第26-33页 |
| 3.2.1 分类算法的性能评估（一）——混淆矩阵 | 第26-28页 |
| 3.2.2 分类算法的性能评估（二）——ROC曲线与AUC值 | 第28-30页 |
| 3.2.3 分类算法的性能评估（三）——运算速度、适应度、可解释性 | 第30页 |
| 3.2.4 分类算法实证选择结果 | 第30-33页 |
| 4.不均衡样本处理方法的比较与选择 | 第33-37页 |
| 4.1 不均衡样本处理方法简介 | 第33-35页 |
| 4.1.1 欠采样法 | 第33-34页 |
| 4.1.2 随机过采样法 | 第34页 |
| 4.1.3 人工数据合成法 | 第34-35页 |
| 4.2 建模过程中不均衡数据处理方法的实证选择 | 第35-37页 |
| 5.基于消费者的个性化营销模型构建的实证分析 | 第37-47页 |
| 5.1 业务理解 | 第37页 |
| 5.2 数据准备 | 第37-42页 |
| 5.2.1 变量选择与整理 | 第37-40页 |
| 5.2.2 数据清洗 | 第40-41页 |
| 5.2.3 不均衡数据处理 | 第41-42页 |
| 5.3 数据描述性统计 | 第42-44页 |
| 5.4 模型的建立与调整 | 第44-46页 |
| 5.4.1 模型的建立 | 第44页 |
| 5.4.2 对被解释变量不均衡进行调整后结果 | 第44-45页 |
| 5.4.3 预测模型 | 第45-46页 |
| 5.5 模型结果的评价与应用 | 第46-47页 |
| 6.结论和展望 | 第47-49页 |
| 6.1 全文总结 | 第47-48页 |
| 6.2 文章不足及前景展望 | 第48-49页 |
| 6.2.1 本文工作的不足 | 第48页 |
| 6.2.2 个性化营销的未来研究方向 | 第48-49页 |
| 参考文献 | 第49-51页 |
| 附录 | 第51-57页 |
| 后记 | 第57页 |
