基于贝叶斯网络分类器的商业银行客户分类模型研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1 绪论 | 第9-20页 |
| ·研究的背景 | 第9-10页 |
| ·文献综述 | 第10-17页 |
| ·商业银行客户分类模型 | 第10-15页 |
| ·贝叶斯网络分类模型 | 第15-16页 |
| ·基于贝叶斯网络的商业银行客户分类模型 | 第16-17页 |
| ·研究思路和技术路线 | 第17-18页 |
| ·本文的内容和意义 | 第18-20页 |
| ·研究内容 | 第18页 |
| ·研究意义 | 第18-20页 |
| 2 商业银行客户分类理论研究 | 第20-28页 |
| ·客户研究的重要性 | 第20页 |
| ·CRM与客户分类 | 第20-21页 |
| ·客户分类的相关理论 | 第21-24页 |
| ·客户价值理论 | 第21-22页 |
| ·客户资产管理理论 | 第22页 |
| ·客户生命周期理论 | 第22-23页 |
| ·客户忠诚理论 | 第23页 |
| ·客户关系分类理论 | 第23-24页 |
| ·商业银行的客户分类理论 | 第24-27页 |
| ·商业银行 CRM及面临的问题 | 第24页 |
| ·商业银行客户分类问题 | 第24-26页 |
| ·分类指标的选取方法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 商业银行客户分类方法研究 | 第28-46页 |
| ·决策树及其应用 | 第28-29页 |
| ·神经网络及应用 | 第29-33页 |
| ·神经网络 | 第29-32页 |
| ·神经网络在商业银行客户分类中的应用 | 第32-33页 |
| ·贝叶斯网络 | 第33-44页 |
| ·贝叶斯网络与分类 | 第33-38页 |
| ·朴素贝叶斯网络分类器 | 第38-40页 |
| ·树扩张朴素贝叶斯分类器 | 第40-42页 |
| ·基于K2算法的TAN分类器 | 第42-44页 |
| ·分类方法的比较 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 4 基于贝叶斯网络分类器的银行卡客户分类模型 | 第46-61页 |
| ·银行卡客户分类问题 | 第46-47页 |
| ·分类指标取值的数据类型 | 第47-48页 |
| ·数据处理方法 | 第48-49页 |
| ·缺失项处理 | 第48页 |
| ·数据离散化 | 第48-49页 |
| ·基于NB分类器的银行卡客户分类模型 | 第49-55页 |
| ·数据描述 | 第49-50页 |
| ·数据处理 | 第50-52页 |
| ·模型构建过程 | 第52-55页 |
| ·基于TAN分类器的银行卡客户分类模型 | 第55-58页 |
| ·数据描述与处理 | 第55页 |
| ·模型构建过程 | 第55-58页 |
| ·结论分析 | 第58-61页 |
| ·分类模型性能评价标准 | 第58-59页 |
| ·SOM神经网络的分类测试 | 第59页 |
| ·结论分析 | 第59-61页 |
| 5 总结与展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
