| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景和研究意义 | 第8-11页 |
| 1.1.1 研究背景 | 第8-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 文献综述 | 第11-14页 |
| 1.2.1 国内文献综述 | 第11-13页 |
| 1.2.2 国外文献综述 | 第13-14页 |
| 1.3 研究内容和研究方法 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 研究方法 | 第15页 |
| 1.3.3 论文的创新点 | 第15-16页 |
| 第二章 银行理财客户分类研究的理论基础 | 第16-22页 |
| 2.1 客户分类 | 第16-18页 |
| 2.1.1 客户分类的概念 | 第16页 |
| 2.1.2 客户分类的必要性 | 第16-17页 |
| 2.1.3 客户分类的步骤 | 第17-18页 |
| 2.2 银行理财客户分类方法选取的依据 | 第18-22页 |
| 2.2.1 不同客户分类法的比较 | 第18-20页 |
| 2.2.2 聚类分析的优势与缺点 | 第20页 |
| 2.2.3 决策树的优势与缺点 | 第20-22页 |
| 第三章 银行理财客户分类方法研究 | 第22-26页 |
| 3.1 数据挖掘理论 | 第22-23页 |
| 3.1.1 数据挖掘的概念 | 第22-23页 |
| 3.1.2 数据挖掘的过程 | 第23页 |
| 3.2 数据挖掘中的聚类分析算法 | 第23-24页 |
| 3.2.1 聚类分析的概念 | 第23页 |
| 3.2.2 聚类分析的算法 | 第23-24页 |
| 3.3 数据挖掘中的决策树算法 | 第24-26页 |
| 3.3.1 决策树模型 | 第24页 |
| 3.3.2 构造决策树的思路 | 第24-25页 |
| 3.3.3 决策树剪枝 | 第25-26页 |
| 第四章 银行理财客户分类的实证研究 | 第26-40页 |
| 4.1 数据的预处理 | 第26页 |
| 4.2 聚类分析算法在银行个人理财客户分类中的应用 | 第26-34页 |
| 4.2.1 描述性分析 | 第26-27页 |
| 4.2.2 K-均值聚类分析 | 第27-30页 |
| 4.2.3 两步聚类分析 | 第30-33页 |
| 4.2.4 聚类分析结果下的客户分类 | 第33-34页 |
| 4.3 决策树算法在银行个人理财客户分类中的应用 | 第34-39页 |
| 4.3.1 ID3算法生成决策树 | 第34-37页 |
| 4.3.2 决策树的剪枝 | 第37-39页 |
| 4.3.3 决策树分析结果下的客户分类 | 第39页 |
| 4.4 聚类分析与决策树对银行理财客户的联合分类 | 第39-40页 |
| 第五章 总结 | 第40-42页 |
| 5.1 结论 | 第40-41页 |
| 5.2 不足与展望 | 第41-42页 |
| 参考文献 | 第42-44页 |
| 致谢 | 第44-45页 |
| 攻读学位期间发表的学术论文 | 第45页 |