| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 客户流失预测研究背景及意义 | 第8页 |
| 1.2 客户流失相关理论分析 | 第8-10页 |
| 1.2.1 客户关系生命周期 | 第8-9页 |
| 1.2.2 客户流失原因分析 | 第9-10页 |
| 1.3 客户流失预测研究现状 | 第10-12页 |
| 1.4 论文研究内容和创新点 | 第12-14页 |
| 1.5 论文组织安排 | 第14-16页 |
| 第二章 面向客户数据的多指标融合mRMR特征选择算法 | 第16-32页 |
| 2.1 客户数据特征分析 | 第16-17页 |
| 2.2 面向客户数据的多指标融合特征选择算法 | 第17-23页 |
| 2.2.1 特征相关性度量方法的选择 | 第17-19页 |
| 2.2.2 特征相关性算法理论 | 第19-21页 |
| 2.2.3 多指标融合的mRMR特征选择算法 | 第21-23页 |
| 2.3 客户数据集描述 | 第23-25页 |
| 2.4 实验结果与分析 | 第25-30页 |
| 2.4.1 电信和信用卡客户数据实验结果分析 | 第25-26页 |
| 2.4.2 公开数据集实验结果分析 | 第26-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 面向客户数据的非均衡数据处理算法 | 第32-46页 |
| 3.1 客户数据的非均衡特点分析 | 第32-34页 |
| 3.2 基于边界混合采样的非均衡数据处理算法 | 第34-38页 |
| 3.2.1 客户数据边界区域检测 | 第34-35页 |
| 3.2.2 客户数据边界区域样本处理 | 第35-36页 |
| 3.2.3 客户数据非边界区域的欠采样处理 | 第36页 |
| 3.2.4 基于边界混合采样的非均衡数据算法流程 | 第36-38页 |
| 3.3 实验结果与分析 | 第38-45页 |
| 3.3.1 实验结果评价准则 | 第38-39页 |
| 3.3.2 电信和信用卡客户数据实验结果分析 | 第39-40页 |
| 3.3.3 公开数据集实验结果分析 | 第40-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于模式分类的客户流失预测模型构建 | 第46-58页 |
| 4.1 客户流失预测模型构建 | 第46-47页 |
| 4.2 模型验证与分析 | 第47-52页 |
| 4.2.1 客户数据预处理 | 第47-48页 |
| 4.2.2 评价准则和分类器的选取 | 第48-51页 |
| 4.2.3 实验结果与分析 | 第51-52页 |
| 4.3 客户流失分析与挽留措施 | 第52-56页 |
| 4.3.1 预测结果分析 | 第52-55页 |
| 4.3.2 挽留措施 | 第55-56页 |
| 4.4 本章小结 | 第56-58页 |
| 总结与展望 | 第58-60页 |
| 总结 | 第58页 |
| 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间取得的科研成果 | 第64-66页 |
| 致谢 | 第66页 |