| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 国外研究现状 | 第11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 研究意义 | 第12-13页 |
| 1.4 研究目标及实现方法 | 第13-14页 |
| 1.5 论文组织结构 | 第14-15页 |
| 第二章 数据挖掘相关知识介绍 | 第15-31页 |
| 2.1 数据挖掘介绍 | 第15-18页 |
| 2.1.1 数据挖掘概念 | 第15页 |
| 2.1.2 数据挖掘步骤 | 第15-17页 |
| 2.1.3 数据挖掘在移动数据中的应用 | 第17-18页 |
| 2.2 决策树与分析软件介绍 | 第18-30页 |
| 2.2.1 决策树介绍 | 第18-19页 |
| 2.2.2 决策树算法 | 第19-27页 |
| 2.2.3 决策树算法比较分析 | 第27-28页 |
| 2.2.4 分析软件 | 第28-30页 |
| 2.2.4.1 Microsoft SQL Server 2005决策树介绍 | 第28-29页 |
| 2.2.4.2 Microsoft决策树算法的实现 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于决策树的移动客户流失预测分析 | 第31-54页 |
| 3.1 移动客户流失类型 | 第31页 |
| 3.2 电信行业的特点 | 第31-32页 |
| 3.3 客户流失预测流程 | 第32-34页 |
| 3.4 数据的来源 | 第34-36页 |
| 3.5 数据的归类 | 第36-39页 |
| 3.5.1 通话时间段归类 | 第36-37页 |
| 3.5.2 通话时长归类 | 第37页 |
| 3.5.3 通话星期归类 | 第37-38页 |
| 3.5.4 数据的处理 | 第38-39页 |
| 3.6 决策树算法的实现 | 第39-49页 |
| 3.7 挖掘结论 | 第49-51页 |
| 3.7.1基于月使用费用的流失率分析 | 第49-50页 |
| 3.7.2 流失率依赖关系分析 | 第50-51页 |
| 3.8 挖掘准确性验证 | 第51-53页 |
| 3.9 本章小结 | 第53-54页 |
| 第四章 ID3决策树算法预测移动客户流失系统 | 第54-76页 |
| 4.1 预测移动客户流失系统建设需求 | 第54页 |
| 4.2 预测移动客户流失系统介绍 | 第54-60页 |
| 4.2.1 功能框架 | 第54页 |
| 4.2.2 系统功能 | 第54-60页 |
| 4.2.2.1 系统初始化界面 | 第54-55页 |
| 4.2.2.2 数据导入模块 | 第55-56页 |
| 4.2.2.3 数据清洗模块 | 第56页 |
| 4.2.2.4 数据转换模块 | 第56-58页 |
| 4.2.2.5 数据预测模块 | 第58-60页 |
| 4.2.2.6 结果呈现模块 | 第60页 |
| 4.3 预测移动客户流失系统的实现 | 第60-72页 |
| 4.3.1 系统架构 | 第60-61页 |
| 4.3.2 系统技术路线 | 第61页 |
| 4.3.3 数据库要求 | 第61-62页 |
| 4.3.4 硬件要求 | 第62页 |
| 4.3.5 系统建设需求 | 第62页 |
| 4.3.6 程序实现流程及代码 | 第62-72页 |
| 4.4 系统测试 | 第72-74页 |
| 4.5 系统评估 | 第74-75页 |
| 4.6 本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 5.1 工作总结 | 第76页 |
| 5.2 展望 | 第76-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-81页 |