移动电信业中数据挖掘的应用——吉林移动流失预测模型的实施
| 第一章 前 言 | 第7-10页 |
| 1.1 移动电信行业客户流失现象的概述 | 第7-8页 |
| 1.2 移动行业客户流失所带来的影响 | 第8-9页 |
| 1.3 流失预测模型的应运而生 | 第9-10页 |
| 第二章 数据挖掘技术 | 第10-23页 |
| 2.1 数据挖掘技术的由来 | 第10-15页 |
| 2.1.1 网络之后的下一个技术热点 | 第10-11页 |
| 2.1.2 数据爆炸但知识贫乏 | 第11页 |
| 2 1.3支持数据挖掘技术的基础 | 第11-12页 |
| 2.1.4 从商业数据到商业信息的进化 | 第12-14页 |
| 2.1.5 数据挖掘逐渐演变的过程 | 第14-15页 |
| 2.2 数据挖掘的定义 | 第15-18页 |
| 2.2.1 技术上的定义及含义 | 第15-16页 |
| 2.2.2 商业角度的定义 | 第16页 |
| 2.2.3 数据挖掘与传统分析方法的区别 | 第16-17页 |
| 2.2.4 数据挖掘，机器学习和统计 | 第17-18页 |
| 2.3 数据挖掘的功能 | 第18-19页 |
| 2.3.1 自动预测趋势和行为 | 第18页 |
| 2.3.2 关联分析 | 第18页 |
| 2.3.3 聚类 | 第18页 |
| 2.3.4 概念描述 | 第18-19页 |
| 2.3.5 偏差检测 | 第19页 |
| 2.4 数据挖掘常用技术 | 第19-23页 |
| 2.4.1 神经网络 | 第19-20页 |
| 2.4.2 规则归纳 | 第20-21页 |
| 2.4.3 Kohonen 网络 | 第21-23页 |
| 第三章 吉林移动流失预测模型的整体结构 | 第23-28页 |
| 3.1 流失预测模型在移动的基本应用流程 | 第23页 |
| 3.2 模型的基本原理 | 第23-25页 |
| 3.2.1 模型的三个基本假定 | 第23-25页 |
| 3.3 模型建立和应用的基本步骤 | 第25-27页 |
| 3.2.1 模型的预测结构 | 第26-27页 |
| 3.4 模型建立系统环境和使用工具 | 第27-28页 |
| 第四章 流失预测模型的建立与实施 | 第28-43页 |
| 4.1 概述 | 第28-29页 |
| 4.2 原始数据提取 | 第29-36页 |
| 4.3 挖掘数据的预处理 | 第36-38页 |
| 4.4 模型建立 | 第38-40页 |
| 4.5 模型验证 | 第40-42页 |
| 4.6 模型应用 | 第42-43页 |
| 第五章 结束语 | 第43-44页 |
| 5.1 目前存在的问题 | 第43页 |
| 5.2 对未来的展望 | 第43-44页 |
| 参考文献 | 第44-45页 |
| 致 谢 | 第45-46页 |
| 论文摘要 | 第46-48页 |
| Abstract | 第48页 |
