基于PCA-NB算法的客户流失预测
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景和研究意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 数据挖掘中的分类 | 第11-13页 |
| 1.3 国内外的研究现状及发展趋势 | 第13-14页 |
| 1.4 研究内容与组织框架 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 朴素贝叶斯分类模型的研究介绍 | 第16-23页 |
| 2.1 贝叶斯理论的相关知识 | 第16-18页 |
| 2.1.1 贝叶斯定理 | 第16-17页 |
| 2.1.2 贝叶斯决策准则 | 第17页 |
| 2.1.3 极大后验假设和极大似然假设 | 第17-18页 |
| 2.2 两种典型的贝叶斯分类模型 | 第18-22页 |
| 2.2.1 朴素贝叶斯分类模型 | 第18-20页 |
| 2.2.2 朴素贝叶斯网络模型 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 3 数据预处理 | 第23-30页 |
| 3.1 主成分分析 | 第23-26页 |
| 3.1.1 适用性检验 | 第23-24页 |
| 3.1.2 主成分求解 | 第24-26页 |
| 3.2 属性筛选 | 第26-27页 |
| 3.3 异常值和缺失值的处理 | 第27-28页 |
| 3.4 数据标准化 | 第28-29页 |
| 3.5 数据预处理方法的选择原则 | 第29-30页 |
| 4 基于PCA-NB算法的客户流失预测实证研究 | 第30-47页 |
| 4.1 客户流失预测的商业理解 | 第30-32页 |
| 4.2 客户流失预测的数据理解 | 第32-34页 |
| 4.3 客户流失预测的数据准备 | 第34-39页 |
| 4.3.1 数据清洗 | 第36页 |
| 4.3.2 属性约简 | 第36-37页 |
| 4.3.3 主成分提取 | 第37-39页 |
| 4.4 建立模型 | 第39-43页 |
| 4.4.1 Native Bayes模型 | 第40-41页 |
| 4.4.2 PCA-NB模型 | 第41-43页 |
| 4.5 模型评估 | 第43-47页 |
| 5 客户挽留 | 第47-51页 |
| 5.1 客户流失原因的分析 | 第47-48页 |
| 5.2 客户挽留策略制定 | 第48-49页 |
| 5.3 客户挽留策略的几点建议 | 第49-51页 |
| 6 总结与展望 | 第51-53页 |
| 6.1 研究总结 | 第51-52页 |
| 6.2 工作展望 | 第52-53页 |
| 附录 | 第53-56页 |
| 参考文献 | 第56-59页 |
| 后记 | 第59页 |
