数据挖掘在电信客户流失预测中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-19页 |
| ·研究背景 | 第8-9页 |
| ·数据挖掘技术 | 第9-15页 |
| ·数据挖掘基本概念 | 第9-10页 |
| ·数据挖掘的任务 | 第10-11页 |
| ·数据挖掘系统组成 | 第11-12页 |
| ·数据挖掘过程 | 第12-13页 |
| ·通用数据挖掘方法 | 第13-15页 |
| ·数据挖掘算法 | 第15页 |
| ·国内外研究现状 | 第15-17页 |
| ·研究目的、意义及研究内容 | 第17页 |
| ·本文组织结构 | 第17-19页 |
| 第二章 数据预处理 | 第19-25页 |
| ·业务问题的定义 | 第19-20页 |
| ·客户流失预测实施过程 | 第20-21页 |
| ·电信客户数据预处理 | 第21-24页 |
| ·电信客户数据抽取 | 第22-23页 |
| ·电信客户数据清洗 | 第23页 |
| ·电信客户属性选取 | 第23-24页 |
| ·电信客户数据转换 | 第24页 |
| ·小结 | 第24-25页 |
| 第三章 基于聚类算法的客户分群 | 第25-36页 |
| ·客户聚类 | 第25-26页 |
| ·客户聚类数据 | 第26-27页 |
| ·客户聚类采用的挖掘技术 | 第27-30页 |
| ·主要聚类方法的分类 | 第27-29页 |
| ·k-平均算法 | 第29-30页 |
| ·改进的k-平均算法 | 第30-32页 |
| ·算法基本思想 | 第30-31页 |
| ·度量标准化 | 第31页 |
| ·对象与簇中心之间的距离 | 第31-32页 |
| ·平方误差准则 | 第32页 |
| ·引入权重 | 第32页 |
| ·客户聚类示例 | 第32-35页 |
| ·初始数据 | 第32-34页 |
| ·新记录的加入 | 第34-35页 |
| ·簇中心的更新 | 第35页 |
| ·小结 | 第35-36页 |
| 第四章 基于判定树的客户分类 | 第36-43页 |
| ·数据分类 | 第36-37页 |
| ·分类数据的预处理 | 第37-38页 |
| ·分类法的准确率评估 | 第38页 |
| ·用判定树归纳分类 | 第38-42页 |
| ·判定树基本概念 | 第38-39页 |
| ·判定树归纳基本算法 | 第39-40页 |
| ·判定树属性选择度量 | 第40页 |
| ·判定树剪枝方法 | 第40-41页 |
| ·由判定树提取分类规则 | 第41页 |
| ·基本判定树归纳的加强 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第五章 客户流失预测系统的设计与实现 | 第43-54页 |
| ·客户流失预测系统总体架构 | 第43-44页 |
| ·客户流失模型挖掘过程 | 第44-52页 |
| ·商业理解 | 第44-45页 |
| ·数据选择 | 第45-46页 |
| ·数据预处理 | 第46-48页 |
| ·模型建立 | 第48-50页 |
| ·模型评估和检验 | 第50-51页 |
| ·模型的解释和应用 | 第51-52页 |
| ·客户流失预测系统的实现 | 第52-53页 |
| ·小结 | 第53-54页 |
| 第六章 结束语 | 第54-56页 |
| ·工作总结 | 第54页 |
| ·研究展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间主要的研究成果 | 第60页 |
