基于数据挖掘的电信客户离网预测研究与应用
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景 | 第9-10页 |
| ·数据挖掘在国内外电信公司的应用 | 第10-13页 |
| ·本文的研究内容 | 第13-14页 |
| 第二章 采用的技术基础 | 第14-22页 |
| ·数据挖掘技术基础 | 第14-18页 |
| ·数据挖掘概念 | 第14-15页 |
| ·数据挖掘的模式 | 第15页 |
| ·数据挖掘的相关方法 | 第15-18页 |
| ·数据挖掘的基本方法 | 第15-17页 |
| ·数据挖掘的基本算法 | 第17-18页 |
| ·数据挖掘的一般商业过程 | 第18-19页 |
| ·数据挖掘应用 | 第19-21页 |
| ·决策树算法与客户流失数据特点 | 第21页 |
| ·小结 | 第21-22页 |
| 第三章 数据准备及预处理 | 第22-39页 |
| ·电信数据仓库的体系结构 | 第22-23页 |
| ·面向客户流失分析的数据模型 | 第23-25页 |
| ·数据理解及选择 | 第25-32页 |
| ·电信客户流失的定义与分类 | 第25-26页 |
| ·客户流失预测中的两类错误 | 第26页 |
| ·客户流失预测中数据平衡性问题 | 第26-27页 |
| ·电信客户流失数据抽样 | 第27-31页 |
| ·数据理解 | 第31-32页 |
| ·宽表的建立 | 第32-34页 |
| ·数据创建及清洗 | 第34-37页 |
| ·创建 | 第34-35页 |
| ·清洗 | 第35-37页 |
| ·数据格式化及集成 | 第37-38页 |
| ·格式化 | 第37页 |
| ·PAS用户数据的噪音清除 | 第37-38页 |
| ·小结 | 第38-39页 |
| 第四章 基于神经网络的客户特征属性简约 | 第39-47页 |
| ·特征属性简约的意义 | 第39页 |
| ·神经网络概述 | 第39-40页 |
| ·人工神经网络的特点 | 第40-41页 |
| ·神经网络与决策树结合 | 第41-43页 |
| ·BP神经网络 | 第43-45页 |
| ·BP网络的学习过程 | 第44-45页 |
| ·BP网络的算法 | 第45页 |
| ·神经网络训练 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第五章 决策树算法 | 第47-57页 |
| ·分类算法概述 | 第47页 |
| ·决策树 | 第47-51页 |
| ·决策树简介 | 第47-48页 |
| ·传统决策树算法 | 第48-49页 |
| ·剪枝阶段 | 第49-51页 |
| ·C4.5算法简介 | 第51-54页 |
| ·有关概念的描述和公式定义 | 第51-52页 |
| ·C4.5算法 | 第52-53页 |
| ·基于熵的离散策略 | 第53页 |
| ·对缺失值的处理 | 第53页 |
| ·修剪策略 | 第53-54页 |
| ·C5.0算法简介 | 第54-56页 |
| ·Boosting介绍 | 第54-55页 |
| ·C5.0算法特点 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 建立电信客户流失预测模型 | 第57-65页 |
| ·预测命中率与预测覆盖率 | 第57-58页 |
| ·模型构建过程 | 第58-59页 |
| ·误分类损失的选取 | 第59-60页 |
| ·模型结果展示 | 第60-62页 |
| ·模型结果评估 | 第62-63页 |
| ·实验结果应用 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录A (攻读硕士学位期间发表的论文) | 第72-73页 |
| 附录B (部分属性相关度) | 第73-74页 |
| 附录C (部分用于流失客户的规则集) | 第74-76页 |
