基于数据挖掘技术的网络购物市场问卷调查数据分析
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 电子商务 | 第11-13页 |
| 1.2 数据挖掘 | 第13-15页 |
| 1.2.1 技术简介 | 第13页 |
| 1.2.2 Web 挖掘对于电商的意义 | 第13-15页 |
| 1.3 电子商务数据挖掘在国内外应用现状 | 第15-17页 |
| 1.4 研究目的和研究内容 | 第17页 |
| 1.5 论文结构 | 第17-18页 |
| 1.6 本章小结 | 第18-19页 |
| 第二章 数据获取过程分析 | 第19-30页 |
| 2.1 购买行为分析 | 第19-20页 |
| 2.2 问卷调查获取数据 | 第20-25页 |
| 2.2.1 问卷设计规则 | 第20-21页 |
| 2.2.2 调查问卷 | 第21-23页 |
| 2.2.3 调查方法 | 第23页 |
| 2.2.4 数据统计表 | 第23-25页 |
| 2.3 结论验证数据 | 第25-26页 |
| 2.4 工具软件 SPSS | 第26-29页 |
| 2.4.1 SPSS 软件介绍 | 第26-28页 |
| 2.4.2 SPSS 问卷编码录入 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 关联规则应用 | 第30-39页 |
| 3.1 本章相关知识 | 第30-32页 |
| 3.1.1 关联规则 | 第30-31页 |
| 3.1.2 TwoStep 算法 | 第31-32页 |
| 3.1.3 Apriori 算法 | 第32页 |
| 3.2 分析信誉度对网购的影响 | 第32-36页 |
| 3.2.1 数据处理 | 第32-35页 |
| 3.2.2 关联规则分析 | 第35-36页 |
| 3.2.3 结论验证 | 第36页 |
| 3.3 分析搜索排名对网购的影响 | 第36-38页 |
| 3.3.1 数据处理 | 第36-37页 |
| 3.3.2 关联规则分析 | 第37-38页 |
| 3.3.4 结论验证 | 第38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 聚类分析应用 | 第39-46页 |
| 4.1 本章相关技术 | 第39-40页 |
| 4.1.1 聚类分析 | 第39页 |
| 4.1.2 K-Means 算法 | 第39-40页 |
| 4.2 分析网购频率与网购历史的关系 | 第40-42页 |
| 4.2.1 数据处理 | 第40-42页 |
| 4.2.2 聚类分析结果 | 第42页 |
| 4.2.3 结论验证 | 第42页 |
| 4.3 分析网购金额与网购历史的关系 | 第42-45页 |
| 4.3.1 数据处理 | 第42-44页 |
| 4.3.2 结论 | 第44页 |
| 4.3.3 结论验证 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 分类/预测方法应用 | 第46-55页 |
| 5.1 本章相关技术 | 第46-47页 |
| 5.1.1 分类/预测 | 第46页 |
| 5.1.2 QUEST 算法 | 第46-47页 |
| 5.2 构建潜在网购客户预测模型 | 第47-49页 |
| 5.2.1 数据处理 | 第47-48页 |
| 5.2.2 Quest 算法挖掘 | 第48-49页 |
| 5.3 模型精度检测 | 第49-50页 |
| 5.4 模型评估 | 第50-52页 |
| 5.5 结论 | 第52-53页 |
| 5.6 结论验证 | 第53-54页 |
| 5.7 本章小结 | 第54-55页 |
| 第六章 总结 | 第55-58页 |
| 6.1 本文工作 | 第55-57页 |
| 6.2 今后工作 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60页 |
