数据挖掘技术在信用卡客户分析中的应用

摘要	第1-7页
ABSTRACT	第7-11页
1. 绪论	第11-24页
·研究背景、意义和目的	第11-13页
·研究背景	第11-12页
·研究意义和目的	第12-13页
·数据挖掘技术及其在信用卡客户分析中的应用	第13-18页
·数据挖掘技术	第13-16页
·数据挖掘技术在信用卡客户分析中的应用领域	第16-18页
·信用卡客户分类国内外应用状况	第18-19页
·客户细分理论	第19-21页
·客户细分理论	第19-20页
·客户关系管理中的RFM模型	第20-21页
·文章内容和主要工作	第21-24页
·文章内容	第21-22页
·主要工作	第22-24页
2. 数据预处理	第24-36页
·数据介绍	第25-26页
·数据抽取	第26-28页
·数据清洗	第28-30页
·数据清洗的方法	第28-29页
·本文数据的清洗过程	第29-30页
·数据转换	第30-35页
·数据转换的方法	第31页
·本文数据的转换过程	第31-35页
·数据加载	第35-36页
3. 基于聚类的信用卡客户活跃度分类	第36-51页
·信用卡客户活跃度聚类的前期准备	第36-44页
·基于RFM分析方法的客户活跃度指标	第36-37页
·挖掘任务和目标	第37页
·信用卡客户活跃度聚类数据挖掘流程	第37-44页
·基于K-means聚类的信用卡客户活跃度分类	第44-46页
·聚类结果分析及评价	第46-49页
·客户特征分析和建议	第49-51页
4. 客户等级分类预测模型	第51-64页
·客户等级分类预测建模的前期准备	第51-54页
·客户等级分类预测建模理解	第51页
·客户等级分类预测建模流程	第51-54页
·基于决策树的客户等级分类模型	第54-58页
·基于神经网络的客户等级分类模型	第58-60页
·模型评价及结果解释	第60-63页
·模型应用	第63-64页
5. 总结和建议	第64-68页
·总结和展望	第64-66页
·总结	第64-65页
·局限和展望	第65-66页
·信用卡营销策略建议	第66-68页
参考文献	第68-71页
附录	第71-77页
致谢	第77-78页
在读期间科研成果目录	第78页