数据挖掘在我国家庭保险购买行为分析上的应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 研究课题的来源 | 第8页 |
| 1.2 研究背景和意义 | 第8-10页 |
| 1.2.1 研究背景 | 第8-9页 |
| 1.2.2 研究的意义 | 第9-10页 |
| 1.3 文献综述 | 第10-14页 |
| 1.3.1 国外论文综述 | 第10-11页 |
| 1.3.2 国内论文综述 | 第11-13页 |
| 1.3.3 国内外论文研究综述 | 第13-14页 |
| 1.4 课题主要研究内容 | 第14-17页 |
| 1.4.1 课题主要研究内容 | 第14-15页 |
| 1.4.2 研究方法 | 第15-16页 |
| 1.4.3 创新之处 | 第16-17页 |
| 第2章 数据挖掘理论基础 | 第17-30页 |
| 2.1 决策树简介 | 第17-21页 |
| 2.2 支持向量机简介 | 第21-25页 |
| 2.2.1 线性支持向量机 | 第22-24页 |
| 2.2.2 非线性支持向量机 | 第24-25页 |
| 2.3 其他数据挖掘算法简介 | 第25-26页 |
| 2.3.1 Logistics回归 | 第25页 |
| 2.3.2 神经网络分类 | 第25-26页 |
| 2.4 常见的样本不平衡处理方法 | 第26-27页 |
| 2.5 模型评估方法及标准 | 第27-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第3章 支持向量机的改进 | 第30-40页 |
| 3.1 标准的支持向量机 | 第30-31页 |
| 3.2 加入误分代价的支持向量机 | 第31-35页 |
| 3.3 线性可分数据下的改进支持向量机 | 第35-37页 |
| 3.4 非线性可分数据下的改进支持向量机 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 实证分析 | 第40-55页 |
| 4.1 决策树实证分析 | 第41-49页 |
| 4.2 支持向量机实证分析 | 第49页 |
| 4.3 改进的支持向量机实证分析 | 第49-50页 |
| 4.4 神经网络实证分析 | 第50-51页 |
| 4.5 Logistics回归实证分析 | 第51-53页 |
| 4.6 各类数据挖掘算法分类效果比较 | 第53页 |
| 4.7 本章小结 | 第53-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |
