电信行业用户流失预警--以A市联通为例
| 内容摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究的目的及意义 | 第11页 |
| 1.3 国内外研究综述 | 第11-12页 |
| 1.4 研究方法 | 第12-13页 |
| 1.5 整体框架介绍 | 第13-14页 |
| 1.6 本文的创新之处 | 第14-15页 |
| 第2章 相关理论概述 | 第15-22页 |
| 2.1 Spark大数据分析平台的介绍 | 第15-16页 |
| 2.2 数据挖掘 | 第16-17页 |
| 2.2.1 数据挖掘的概念 | 第16页 |
| 2.2.2 数据挖掘的流程 | 第16-17页 |
| 2.3 分类 | 第17-20页 |
| 2.3.1 分类算法 | 第17页 |
| 2.3.2 随机森林算法 | 第17-18页 |
| 2.3.3 不平衡数据的处理 | 第18页 |
| 2.3.4 模型的效果评价 | 第18-20页 |
| 2.4 聚类 | 第20-22页 |
| 2.4.1 聚类算法 | 第20页 |
| 2.4.2 K-Means算法 | 第20-21页 |
| 2.4.3 模型的效果评价 | 第21-22页 |
| 第3章 用户流失预警模型 | 第22-32页 |
| 3.1 用户流失理论 | 第22-23页 |
| 3.1.1 电信用户的生命周期 | 第22-23页 |
| 3.1.2 流失用户的定义 | 第23页 |
| 3.2 需求分析 | 第23-24页 |
| 3.3 数据准备 | 第24-26页 |
| 3.3.1 电信数据的获取机制 | 第24-25页 |
| 3.3.2 选取的字段 | 第25-26页 |
| 3.4 数据预处理 | 第26-27页 |
| 3.5 模型的构造与评估 | 第27-30页 |
| 3.5.1 Spark提供的方法介绍 | 第27-28页 |
| 3.5.2 模型的构造与评估 | 第28-30页 |
| 3.6 模型结果分析 | 第30-32页 |
| 第4章 流失用户细分模型 | 第32-39页 |
| 4.1 流失用户细分 | 第32-33页 |
| 4.2 需求分析 | 第33页 |
| 4.3 数据准备 | 第33-34页 |
| 4.4 数据预处理 | 第34-35页 |
| 4.5 模型的构造与评估 | 第35-37页 |
| 4.5.1 Spark提供的方法介绍 | 第35页 |
| 4.5.2 模型的构造与评估 | 第35-37页 |
| 4.6 模型结果分析 | 第37-39页 |
| 第5章 用户挽留措施制定 | 第39-45页 |
| 5.1 用户分割矩阵 | 第39-40页 |
| 5.2 流失用户的价值 | 第40-43页 |
| 5.3 各类用户的挽留措施 | 第43-45页 |
| 第6章 总结 | 第45-47页 |
| 附录 | 第47-52页 |
| 参考文献 | 第52-54页 |
| 后记 | 第54页 |
