| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 研究内容与结构 | 第12-14页 |
| 1.5 研究方法 | 第14-15页 |
| 1.6 研究特色 | 第15-16页 |
| 第二章 数据挖掘在用户流失预测中的应用 | 第16-24页 |
| 2.1 客户流失理论 | 第16-18页 |
| 2.1.1 用户流失定义 | 第16-17页 |
| 2.1.2 用户流失原因 | 第17-18页 |
| 2.2 数据挖掘概述 | 第18-23页 |
| 2.2.1 数据挖掘的定义 | 第18-19页 |
| 2.2.2 常用的数据挖掘方法 | 第19-20页 |
| 2.2.3 数据挖掘的基本流程 | 第20-21页 |
| 2.2.4 模型评估方法 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 Logistics回归和XGBoost算法的基本原理 | 第24-32页 |
| 3.1 Logistics回归 | 第24-27页 |
| 3.1.1 Logistics回归的基本原理 | 第24-27页 |
| 3.1.2 Logistics回归的建模步骤 | 第27页 |
| 3.2 XGBoost算法 | 第27-31页 |
| 3.2.1 XGBoost算法的定义 | 第28页 |
| 3.2.2 XGBoost算法的基本原理 | 第28-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 实证分析 | 第32-45页 |
| 4.1 数据说明 | 第32-33页 |
| 4.2 指标说明 | 第33-36页 |
| 4.3 数据探索 | 第36-37页 |
| 4.4 数据建模 | 第37-44页 |
| 4.4.1 Logistics回归 | 第38-42页 |
| 4.4.2 XGBoost算法 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 研究结论与展望 | 第45-48页 |
| 5.1 研究结论 | 第45-46页 |
| 5.2 研究展望 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 致谢 | 第50-51页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第51-52页 |