| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 目录 | 第5-8页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究的背景和意义 | 第8-9页 |
| 1.1.1 研究的背景 | 第8-9页 |
| 1.1.2 研究的意义 | 第9页 |
| 1.2 人工神经网络的国内外研究现状 | 第9-10页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10页 |
| 1.3 本文研究的内容和组织结构 | 第10-11页 |
| 1.4 数据来源和变量说明 | 第11-13页 |
| 第2章 人工神经网络模型 | 第13-23页 |
| 2.1 人工神经网络模型简介 | 第13页 |
| 2.1.1 感知器 | 第13页 |
| 2.2 单层感知器 | 第13-15页 |
| 2.2.1 单层感知器的分类原理 | 第14页 |
| 2.2.2 单层感知器的学习算法 | 第14-15页 |
| 2.2.3 单层感知器的局限性 | 第15页 |
| 2.3 多层感知器 | 第15-19页 |
| 2.3.1 多层感知器的分类原理 | 第16页 |
| 2.3.2 反向传播算法(BP算法) | 第16-19页 |
| 2.4 人工神经网络建立的一般步骤 | 第19-22页 |
| 2.5 人工神经网络的特点 | 第22页 |
| 2.6 使用人工神经网络时的注意事项 | 第22-23页 |
| 第3章 探索性数据分析和预处理 | 第23-33页 |
| 3.1 探索性数据分析简介 | 第23页 |
| 3.2 数据类型 | 第23页 |
| 3.3 单变量分析 | 第23-26页 |
| 3.3.1 频数和众数 | 第23页 |
| 3.3.2 百分位数 | 第23-24页 |
| 3.3.3 均值和中位数 | 第24页 |
| 3.3.4 极差和方差 | 第24页 |
| 3.3.5 偏度和峰度 | 第24-25页 |
| 3.3.6 正态性检验 | 第25-26页 |
| 3.4 两个变量的分析 | 第26-27页 |
| 3.4.1 Pearson相关系数 | 第26页 |
| 3.4.2 Spearman秩相关系数 | 第26-27页 |
| 3.4.3 X~2检验 | 第27页 |
| 3.4.4 补充 | 第27页 |
| 3.5 变量重要性分析 | 第27-28页 |
| 3.6 描述性统计图形 | 第28-30页 |
| 3.6.1 直方图 | 第28页 |
| 3.6.2 箱线图 | 第28-29页 |
| 3.6.3 散点图 | 第29-30页 |
| 3.7 数据预处理 | 第30-33页 |
| 3.7.1 数据质量 | 第30-31页 |
| 3.7.2 数据预处理步骤 | 第31-32页 |
| 3.7.3 总结 | 第32-33页 |
| 第4章 人工神经网络在银行定期存款的实例分析 | 第33-51页 |
| 4.1 银行业务的理解 | 第33页 |
| 4.2 数据说明 | 第33页 |
| 4.3 数据挖掘工具介绍 | 第33-36页 |
| 4.3.1 SAS Enterprise Miner简介 | 第33-34页 |
| 4.3.2 SAS Enterprise Miner中神经网络节点简介 | 第34-36页 |
| 4.4 银行定期存款建模过程 | 第36-49页 |
| 4.4.1 数据导入 | 第36-37页 |
| 4.4.2 银行定期存款数据的探索性分析 | 第37-41页 |
| 4.4.3 银行定期存款数据的预处理 | 第41-43页 |
| 4.4.4 模型的确定 | 第43-46页 |
| 4.4.5 模型实现 | 第46-49页 |
| 4.5 补充：对银行提出一些建设性意见 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第5章 总结和展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 附录 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57页 |