不均衡电信客户数据的分类问题研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-16页 |
| 1.2.1 不均衡数据学习的研究现状 | 第9-14页 |
| 1.2.2 客户流失预测的研究现状 | 第14-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 组织结构 | 第17-18页 |
| 2 不均衡数据分类问题的分析与解决 | 第18-24页 |
| 2.1 数据不均衡问题产生的原因 | 第18-19页 |
| 2.2 主要解决方法 | 第19-21页 |
| 2.2.1 数据集层面的方法 | 第19-20页 |
| 2.2.2 算法层面的方法 | 第20-21页 |
| 2.3 已有方法的局限性 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 3 差异度表示方法 | 第24-30页 |
| 3.1 方法概述 | 第24-27页 |
| 3.1.1 差异度表示理论 | 第24-25页 |
| 3.1.2 差异度表示的分类策略 | 第25-27页 |
| 3.2 原型选择策略 | 第27-28页 |
| 3.3 差异度转化策略 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 4 基于差异度的改进型不均衡数据分类方法 | 第30-36页 |
| 4.1 现有原型选择策略的不足以及改进思路 | 第30-31页 |
| 4.2 结合样本子集优化的原型选择策略 | 第31-33页 |
| 4.2.1 粒子群优化算法 | 第32页 |
| 4.2.2 改进型的样本子集优化技术 | 第32-33页 |
| 4.3 分类模型的方案设计与评价指标 | 第33-35页 |
| 4.3.1 方案设计 | 第33-34页 |
| 4.3.2 分类评价指标 | 第34-35页 |
| 4.4 本章小结 | 第35-36页 |
| 5 改进型差异度分类方法的验证 | 第36-50页 |
| 5.1 性能分析 | 第36-40页 |
| 5.1.1 不均衡数据集 | 第36-37页 |
| 5.1.2 实验环境 | 第37-38页 |
| 5.1.3 实验结果及分析 | 第38-40页 |
| 5.2 在客户流失预测中的应用 | 第40-44页 |
| 5.2.1 电信客户数据集 | 第40-42页 |
| 5.2.2 实验结果及分析 | 第42-44页 |
| 5.3 影响因子分析 | 第44-49页 |
| 5.3.1 特征选择方法的影响分析 | 第44-46页 |
| 5.3.2 原型选择策略的影响分析 | 第46-47页 |
| 5.3.3 原型对象数目的影响分析 | 第47-48页 |
| 5.3.4 差异度度量方法的影响分析 | 第48-49页 |
| 5.4 本章小结 | 第49-50页 |
| 6 总结与展望 | 第50-52页 |
| 6.1 总结 | 第50页 |
| 6.2 展望 | 第50-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 攻读硕士学位期间发表的论文 | 第60页 |
