| DEDICATION | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 摘要 | 第8-12页 |
| ABBREVIATIONS | 第12-13页 |
| Table of Contents | 第13-16页 |
| Table of Tables | 第16-17页 |
| Table of Figures | 第17-19页 |
| CHAPTER 1:INTRODUCTION | 第19-25页 |
| 1.1 Introduction | 第19-20页 |
| 1.2 Motivation | 第20页 |
| 1.3 Problem Definition | 第20-21页 |
| 1.4 Objectives of the Study | 第21-22页 |
| 1.5 Significance of the Study | 第22-23页 |
| 1.6 Thesis Outline | 第23-24页 |
| 1.7 Permission to Carry out Research | 第24页 |
| 1.8 Summary | 第24-25页 |
| CHAPTER 2:BACKGROUND AND LITERATURE REVIEW | 第25-43页 |
| 2.1 History of BI | 第26页 |
| 2.2 The Future of BI | 第26-29页 |
| 2.3 Data-Warehouse | 第29-32页 |
| 2.3.1 History of Data-Warehouse | 第31-32页 |
| 2.4 Decision Support Systems | 第32-33页 |
| 2.4.1 Origins of DSS | 第32-33页 |
| 2.4.2 DSS Architecture | 第33页 |
| 2.5 Data-Mining | 第33-39页 |
| 2.5.1 Knowledge Discovery | 第34页 |
| 2.5.2 Data Mining Inception | 第34-36页 |
| 2.5.3 Modeling Techniques | 第36页 |
| 2.5.4 DM Functions | 第36-38页 |
| 2.5.5 DM Algorithms | 第38-39页 |
| 2.6 Purpose of Literature Review | 第39页 |
| 2.7 Literature Review | 第39-41页 |
| 2.8 Summary | 第41-43页 |
| CHAPTER 3:METHODOLOGY | 第43-49页 |
| 3.1 Introduction | 第43-44页 |
| 3.2 Strategy for our Predictive Modeling | 第44-47页 |
| 3.2.1 The CRISP-DM Model | 第44-45页 |
| 3.2.2 Phases and Tasks | 第45-46页 |
| 3.2.3 Oracle Data Mining Functionality | 第46页 |
| 3.2.4 DM in the Data-Base Kernel advantages observed | 第46-47页 |
| 3.2.5 Classification and Prediction Modeling | 第47页 |
| 3.3 Summary | 第47-49页 |
| CHAPTER 4:DESIGN | 第49-64页 |
| 4.1 Introduction | 第49页 |
| 4.2 Research Process | 第49-53页 |
| 4.2.1 Data Collection | 第50页 |
| 4.2.2 Data Pre-Processing and Cleaning | 第50-51页 |
| 4.2.3 Data Transformation | 第51-52页 |
| 4.2.4 Building a Basic Data-Warehouse | 第52-53页 |
| 4.3 DM Design Process | 第53-57页 |
| 4.3.1 Software tools Used | 第54-55页 |
| 4.3.2 About Oracle & Its Strengths | 第55-56页 |
| 4.3.3 Oracle Database 11g Release 2(11.2.0.2)Oracle DM＆its Functionality | 第56-57页 |
| 4.4 Classification Decision Support Mining Model | 第57-62页 |
| 4.5 Summary | 第62-64页 |
| CHAPTER 5:IMPLEMENTATION & THE RESULTS | 第64-87页 |
| 5.1 Introduction | 第64页 |
| 5.2 DSS Architecture | 第64-69页 |
| 5.3 Building the Classification and Prediction Model | 第69-72页 |
| 5.3.1 Classification and Prediction Model Training | 第71-72页 |
| 5.4 Analyzing the Model Results | 第72-78页 |
| 5.4.1 Comparing Our OI Classification and Prediction Model | 第73-74页 |
| 5.4.2 Overall Performance Analysis for the YES-Class | 第74页 |
| 5.4.3 Performance Matrix/Confusion Matrices | 第74-75页 |
| 5.4.4 ROC Curve Analysis | 第75-76页 |
| 5.4.5 Lift Cumulative Positive & Negative Results Analysis | 第76-77页 |
| 5.4.6 Profit Analysis Results | 第77-78页 |
| 5.5 Deploying the Support Vector Machine Model | 第78-86页 |
| 5.5.1 About the SVM | 第79-80页 |
| 5.5.2 How SVM Works | 第80-82页 |
| 5.5.3 Results for our OI SVM Prediction Model | 第82页 |
| 5.5.4 OI SVM Prediction Model's Performance Matrix | 第82-85页 |
| 5.5.5 OI SVM Prediction Model's ROC Analysis Results | 第85页 |
| 5.5.6 OI SVM Prediction Model's LIFT Analysis Results | 第85-86页 |
| 5.6 Summary | 第86-87页 |
| CHAPTER 6:CONCLUSIONS | 第87-90页 |
| 6.1 Introduction | 第87页 |
| 6.2 Conclusions | 第87-88页 |
| 6.3 Limitations of the Study | 第88页 |
| 6.4 Recommendations for Future Study | 第88-90页 |
| ACKNOWLEDGEMENT | 第90-91页 |
| REFERENCES | 第91-95页 |
| APPENDICES | 第95-104页 |
| APPENDIX A:ABOUT BOTSWANA | 第95-97页 |
| APPENDIX B:APPROVAL LETTER FROM THE MINISTRY OF HEALTH | 第97-98页 |
| APPENDIX C:DATA MIGRATION SOURCE CODE | 第98-104页 |
| APPENDIX D:MODEL BUILDING SOURCE CODE | 第104页 |
