基于数据挖掘的客户流失预测模型的建立
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题研究背景 | 第9-10页 |
| ·国内外发展现状 | 第10-11页 |
| ·本文的主要内容 | 第11-12页 |
| ·研究方法 | 第12页 |
| ·论文内容的安排 | 第12-14页 |
| 第2章 数据挖掘技术 | 第14-28页 |
| ·数据挖掘概述 | 第14-17页 |
| ·数据挖掘的定义 | 第14-15页 |
| ·数据挖掘技术分类 | 第15-16页 |
| ·数据挖掘在应用中的几个问题 | 第16-17页 |
| ·数据挖掘算法 | 第17-20页 |
| ·数据挖掘算法的特性 | 第18页 |
| ·数据挖掘算法的分类 | 第18-20页 |
| ·数据挖掘过程模型 | 第20-22页 |
| ·数据挖掘处理模型概述 | 第20页 |
| ·CRISP-DM参考模型 | 第20-22页 |
| ·数据挖掘工具 | 第22-27页 |
| ·数据挖掘工具分类 | 第22-23页 |
| ·数据挖掘工具的选择 | 第23-24页 |
| ·Microsoft数据挖掘软件介绍 | 第24-27页 |
| ·数据挖掘技术在电信业的应用 | 第27-28页 |
| 第3章 建模算法研究 | 第28-41页 |
| ·决策树算法 | 第28-34页 |
| ·概述 | 第28-29页 |
| ·决策树的建立 | 第29-30页 |
| ·属性划分的度量方法 | 第30-32页 |
| ·剪枝 | 第32-34页 |
| ·Microsoft决策树算法 | 第34-37页 |
| ·算法改进 | 第37-41页 |
| 第4章 乌海移动客户流失模型的建立过程 | 第41-69页 |
| ·客户流失商业需求分析 | 第41-44页 |
| ·识别客户流失 | 第41页 |
| ·客户流失原因分析 | 第41-42页 |
| ·客户流失类型 | 第42-44页 |
| ·数据理解 | 第44-53页 |
| ·数据来源 | 第44-45页 |
| ·数据描述 | 第45-50页 |
| ·数据窗口 | 第50-51页 |
| ·业务数据特点 | 第51-52页 |
| ·数据选择 | 第52-53页 |
| ·数据整理 | 第53-59页 |
| ·数据导入 | 第54页 |
| ·数据整合 | 第54-55页 |
| ·数据清洗 | 第55-56页 |
| ·数据的应用变换 | 第56-57页 |
| ·数据的精简 | 第57-58页 |
| ·数据抽样 | 第58-59页 |
| ·数据探索 | 第59-63页 |
| ·属性变量的选取 | 第59-61页 |
| ·属性变量相关分析 | 第61-63页 |
| ·模型建立 | 第63-67页 |
| ·概述 | 第63-64页 |
| ·选择合适的算法建立客户流失模型 | 第64-65页 |
| ·流失模型评估标准 | 第65-67页 |
| ·评估 | 第67-68页 |
| ·模型的解释和应用 | 第68-69页 |
| 第5章 乌海公司客户流失预测系统的实现 | 第69-76页 |
| ·系统概述 | 第69页 |
| ·系统目标 | 第69页 |
| ·系统原理 | 第69页 |
| ·系统总体设计 | 第69-71页 |
| ·系统的逻辑结构 | 第70-71页 |
| ·系统的功能结构设计 | 第71页 |
| ·系统总控模块 | 第71-72页 |
| ·数据管理模块的实现 | 第72页 |
| ·数据流 | 第72-75页 |
| ·系统数据流 | 第72-73页 |
| ·主题数据流 | 第73-75页 |
| ·前台展示 | 第75-76页 |
| 第6章 结论 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 致谢 | 第80页 |
