基于数据挖掘的移动通信业终端营销活动客户拆包预测研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 数据挖掘研究现状 | 第13-15页 |
| 1.2.2 数据挖掘在电信业的应用现状 | 第15-16页 |
| 1.2.3 目前研究存在的问题 | 第16-17页 |
| 1.3 本文主要内容与结构 | 第17-18页 |
| 1.3.1 主要内容 | 第17页 |
| 1.3.2 结构安排 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第二章 数据挖掘理论介绍 | 第19-25页 |
| 2.1 数据挖掘概述 | 第19-20页 |
| 2.2 数据挖掘任务 | 第20-21页 |
| 2.3 数据挖掘步骤 | 第21-22页 |
| 2.4 数据挖掘方法 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 拆包预测模型设计选择 | 第25-37页 |
| 3.1 数据挖掘的过程模型选择 | 第25-27页 |
| 3.2 数据挖掘的工具选择 | 第27-29页 |
| 3.3 数据挖掘的算法选择 | 第29-33页 |
| 3.3.1 决策树 | 第29-30页 |
| 3.3.2 神经网络 | 第30-32页 |
| 3.3.3 Logistic回归 | 第32页 |
| 3.3.4 算法选择 | 第32-33页 |
| 3.4 模型性能评价标准 | 第33-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第四章 拆包预测模型的建立 | 第37-71页 |
| 4.1 商业理解 | 第37-38页 |
| 4.1.1 拆包的概念 | 第37页 |
| 4.1.2 拆包的分类 | 第37-38页 |
| 4.1.3 拆包的判定 | 第38页 |
| 4.2 数据理解 | 第38-41页 |
| 4.2.1 数据描述 | 第38-40页 |
| 4.2.2 确定时间窗口 | 第40-41页 |
| 4.3 数据准备 | 第41-57页 |
| 4.3.1 数据选择 | 第41-42页 |
| 4.3.2 数据清理 | 第42-46页 |
| 4.3.3 数据转换 | 第46-52页 |
| 4.3.4 数据探索 | 第52-56页 |
| 4.3.5 数据抽样 | 第56-57页 |
| 4.4 建立模型 | 第57-63页 |
| 4.4.1 C5.0决策树模型 | 第58-61页 |
| 4.4.2 神经网络模型 | 第61-63页 |
| 4.4.3 Logistic回归模型 | 第63页 |
| 4.5 模型评估 | 第63-68页 |
| 4.5.1 数值化评估 | 第64-66页 |
| 4.5.2 图形化评估 | 第66-68页 |
| 4.6 模型部署及维护 | 第68-69页 |
| 4.7 本章小结 | 第69-71页 |
| 第五章 拆包预测模型的应用及预防客户拆包策略 | 第71-75页 |
| 5.1 模型的应用 | 第71页 |
| 5.2 客户拆包原因 | 第71-72页 |
| 5.3 客户价值评定 | 第72-74页 |
| 5.4 预防客户拆包策略 | 第74页 |
| 5.5 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 全文总结 | 第75页 |
| 6.2 不足及未来展望 | 第75-77页 |
| 致谢 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 附录 攻读学位期间发表论文及实践情况 | 第83页 |
