| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 引言 | 第8-13页 |
| 1.1 研究的背景和意义 | 第8-9页 |
| 1.2 研究的现状及问题 | 第9-11页 |
| 1.2.1 建模前的特征工程 | 第9页 |
| 1.2.2 模型算法的构建 | 第9-10页 |
| 1.2.3 模型评估方法 | 第10-11页 |
| 1.3 研究内容 | 第11页 |
| 1.4 论文组织结构安排 | 第11-13页 |
| 第2章 相关技术及理论 | 第13-29页 |
| 2.1 数据挖掘方法理论及工具 | 第13-15页 |
| 2.1.1 数据挖掘理论和过程 | 第13-14页 |
| 2.1.2 数据挖掘相关技术和工具 | 第14-15页 |
| 2.2 数据挖掘模型算法 | 第15-26页 |
| 2.2.1 基础学习模型 | 第15-21页 |
| 2.2.2 集成学习模型 | 第21-26页 |
| 2.3 数据均衡化 | 第26-28页 |
| 2.3.1 数据不平衡 | 第26-27页 |
| 2.3.2 数据不平衡带来的问题 | 第27页 |
| 2.3.3 数据均衡化处理 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 预测模型的构建与实现 | 第29-42页 |
| 3.1 数据介绍 | 第29页 |
| 3.2 数据处理 | 第29-34页 |
| 3.2.1 缺失值填充 | 第30-31页 |
| 3.2.2 数值化 | 第31-32页 |
| 3.2.3 标准化 | 第32-33页 |
| 3.2.4 数据均衡化 | 第33-34页 |
| 3.3 模型构建 | 第34-36页 |
| 3.3.1 Adaboost算法 | 第34-35页 |
| 3.3.2 数据建模 | 第35-36页 |
| 3.4 调参优化 | 第36-39页 |
| 3.4.1 Adaboost模型算法参数 | 第37-38页 |
| 3.4.2 LogisticRegression模型算法参数 | 第38-39页 |
| 3.5 预测结果分析 | 第39-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第4章 预测系统的设计与实现 | 第42-52页 |
| 4.1 系统技术与结构 | 第42-44页 |
| 4.1.1 系统结构 | 第42-43页 |
| 4.1.2 系统技术 | 第43-44页 |
| 4.2 系统模块与角色 | 第44-46页 |
| 4.2.1 系统模块 | 第44-45页 |
| 4.2.2 系统角色模型 | 第45-46页 |
| 4.3 系统数据库设计 | 第46-48页 |
| 4.4 系统实现与测试 | 第48-51页 |
| 4.5 系统决策分析 | 第51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 结论与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 进一步工作的方向 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |