| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第6-11页 |
| 1.1 研究背景 | 第6-7页 |
| 1.2 数据挖掘的研究现状和发展趋势 | 第7-8页 |
| 1.3 课题的提出 | 第8-9页 |
| 1.4 主要研究内容和贡献 | 第9-10页 |
| 1.5 论文的内容安排 | 第10-11页 |
| 第二章 背景理论 | 第11-22页 |
| 2.1 决策树 | 第11-16页 |
| 2.1.1 决策树的建立 | 第12-13页 |
| 2.1.2 选择划分属性的度量方法 | 第13-15页 |
| 2.1.3 剪枝 | 第15-16页 |
| 2.2 神经网络 | 第16-22页 |
| 2.2.1 人工神经元模型 | 第17-18页 |
| 2.2.2 神经网络的学习过程 | 第18页 |
| 2.2.3 BP学习算法 | 第18-22页 |
| 第三章 客户流失建模的实施过程 | 第22-32页 |
| 3.1 数据挖掘过程 | 第22-23页 |
| 3.2 商业理解 | 第23-24页 |
| 3.3 数据准备 | 第24-26页 |
| 3.4 数据理解 | 第26-28页 |
| 3.5 建立模型 | 第28-29页 |
| 3.6 模型评估 | 第29-31页 |
| 3.6.1 Gains图 | 第30页 |
| 3.6.2 Lift图 | 第30-31页 |
| 3.7 小结 | 第31-32页 |
| 第四章 客户流失模型的改进 | 第32-40页 |
| 4.1 建模算法的优选 | 第32-35页 |
| 4.1.1 决策树算法的特点 | 第32页 |
| 4.1.2 决策树算法对比 | 第32-33页 |
| 4.1.3 两种决策树算法建模结果对比 | 第33-35页 |
| 4.2 神经网络用于属性规约 | 第35-39页 |
| 4.2.1 可行性 | 第35-36页 |
| 4.2.2 约简属性集 | 第36-37页 |
| 4.2.3 约简前后建模结果的对比 | 第37-39页 |
| 4.3 小结 | 第39-40页 |
| 第五章 客户流失模型的应用实现 | 第40-46页 |
| 5.1 应用程序的体系结构 | 第40-41页 |
| 5.2 开发决策树分类预测应用程序 | 第41-45页 |
| 5.2.1 生成预测模型 | 第41页 |
| 5.2.2 确定数据源，建立分析服务器与数据库的连接 | 第41-42页 |
| 5.2.3 调用预测模型，产生结果，结果返回数据库 | 第42-45页 |
| 5.3 小结 | 第45-46页 |
| 第六章 结束语 | 第46-47页 |
| 致谢 | 第47-48页 |
| 攻读硕士学位期间发表的主要论文 | 第48-49页 |
| 参考文献 | 第49-50页 |