基于大数据的4G资费研究与分析
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 前言 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 相关文献综述 | 第9-11页 |
| 1.2.1 文献综述 | 第9-10页 |
| 1.2.2 文献评述 | 第10-11页 |
| 1.3 研究思路 | 第11-12页 |
| 1.4 研究方法及研究框架 | 第12-13页 |
| 1.4.1 探索性研究与定量分析相结合 | 第12页 |
| 1.4.2 理论研究与实证分析相结合 | 第12页 |
| 1.4.3 研究框架 | 第12页 |
| 1.4.4 论文的创新点 | 第12-13页 |
| 第二章 4G用户特征的探索性分析 | 第13-26页 |
| 2.1 商业目标 | 第13页 |
| 2.2 数据理解 | 第13-15页 |
| 2.3 数据准备 | 第15-19页 |
| 2.3.1 缺失值处理 | 第15-16页 |
| 2.3.2 变量选择 | 第16-17页 |
| 2.3.3 变量离散化 | 第17-19页 |
| 2.4 4G用户特征的探索性分析 | 第19-26页 |
| 第三章 挖掘潜在 4G用户模型与分析 | 第26-35页 |
| 3.1 潜在 4G用户挖掘涉及的算法介绍 | 第26-32页 |
| 3.1.1 决策树模型 | 第26-27页 |
| 3.1.2 随机森林模型 | 第27-28页 |
| 3.1.3 支持向量机模型 | 第28-30页 |
| 3.1.4 AdaBoost模型 | 第30-32页 |
| 3.2 数据再处理 | 第32页 |
| 3.3 准确率对比以及变量修正 | 第32-35页 |
| 第四章 4G用户资费特征分析 | 第35-44页 |
| 4.1 现有 4G资费套餐分析 | 第35-36页 |
| 4.2 K均值聚类分析算法介绍 | 第36-37页 |
| 4.3 4G用户资费特征模型的建立与分析 | 第37-42页 |
| 4.4 4G用户资费套餐建议 | 第42-44页 |
| 第五章 总结与展望 | 第44-45页 |
| 5.1 本文所做的主要工作 | 第44页 |
| 5.2 今后进一步研究的方向 | 第44-45页 |
| 参考文献 | 第45-47页 |
| 附录 | 第47-56页 |
| 附录一 第二章程序代码 | 第47-48页 |
| 附录二 第三章程序代码 | 第48-53页 |
| 附录三 第四章程序代码 | 第53-56页 |
| 致谢 | 第56-57页 |
