基于数据挖掘技术的电信领域客户流失预测系统的研究与实现
| 第一章 引言 | 第1-11页 |
| ·研究背景 | 第7-9页 |
| ·数据挖掘技术的背景 | 第7-8页 |
| ·我国电信行业客户流失预测背景 | 第8-9页 |
| ·本文主要工作和论文结构 | 第9-10页 |
| ·论文的主要工作及研究方法 | 第9-10页 |
| ·论文结构 | 第10页 |
| ·论文创新点和意义 | 第10-11页 |
| ·论文创新点 | 第10页 |
| ·论文意义 | 第10-11页 |
| 第二章 数据挖掘技术研究综述 | 第11-20页 |
| ·数据挖掘的定义及目的 | 第11-12页 |
| ·数据挖掘的定义 | 第11页 |
| ·数据挖掘的目的 | 第11-12页 |
| ·数据挖掘的研究内容 | 第12-15页 |
| ·广义知识 | 第12-13页 |
| ·关联知识 | 第13页 |
| ·分类知识 | 第13-14页 |
| ·预测型知识 | 第14页 |
| ·偏差型知识 | 第14-15页 |
| ·数据挖掘过程 | 第15-16页 |
| ·数据收集 | 第15页 |
| ·数据整理 | 第15页 |
| ·数据挖掘 | 第15页 |
| ·数据挖掘结果的评估 | 第15-16页 |
| ·分析决策 | 第16页 |
| ·数据挖掘应用 | 第16-17页 |
| ·金融 | 第16页 |
| ·市场业 | 第16页 |
| ·工程与科学研究 | 第16-17页 |
| ·产品制造业 | 第17页 |
| ·司法 | 第17页 |
| ·数据挖掘未来研究方向 | 第17-20页 |
| 第三章 本文使用的主要数据模型及算法简介 | 第20-31页 |
| ·人工神经网络算法 | 第20-26页 |
| ·人工神经网络概述 | 第20页 |
| ·人工神经元基本模型 | 第20-21页 |
| ·神经网络的基本原理 | 第21-22页 |
| ·神经网络信息处理的基本特性 | 第22-23页 |
| ·神经网络的学习方式及学习算法 | 第23-26页 |
| ·决策树算法 | 第26-31页 |
| ·简介 | 第26-27页 |
| ·衡量决策树分裂好坏的常用标准 | 第27-28页 |
| ·决策树的优点 | 第28-29页 |
| ·决策树的用处 | 第29页 |
| ·算法 | 第29-31页 |
| 第四章 预测客户流失系统的设计与具体实现 | 第31-58页 |
| ·商业理解 | 第32页 |
| ·数据理解 | 第32-38页 |
| ·数据描述 | 第33-36页 |
| ·数据探索 | 第36-38页 |
| ·数据准备 | 第38-46页 |
| ·整合数据 | 第38-39页 |
| ·清洗数据 | 第39-42页 |
| ·构建数据 | 第42-45页 |
| ·选择数据 | 第45-46页 |
| ·拆分训练集和检验集 | 第46页 |
| ·建立模型 | 第46-50页 |
| ·预测模型 | 第46-50页 |
| ·计算离网概率 | 第50页 |
| ·模型选择与评估 | 第50-56页 |
| ·模型发布 | 第56-58页 |
| 第五章 总结 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 论文摘要 | 第61-64页 |
| Abstract | 第64-68页 |
| 致 谢 | 第68页 |
