银行个人客户识别方法与应用研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 选题背景 | 第9页 |
| 1.2 研究内容 | 第9-10页 |
| 1.3 论文结构 | 第10-12页 |
| 第二章 理论基础及文献综述 | 第12-28页 |
| 2.1 客户关系管理 | 第12-14页 |
| 2.1.1 客户关系管理的定义 | 第12-13页 |
| 2.1.2 客户关系管理的阶段 | 第13-14页 |
| 2.2 客户识别 | 第14-19页 |
| 2.2.1 客户细分 | 第14-15页 |
| 2.2.2 客户分类 | 第15-16页 |
| 2.2.3 客户计分 | 第16-18页 |
| 2.2.4 识别方法小结 | 第18-19页 |
| 2.3 贝叶斯网络相关理论 | 第19-28页 |
| 2.3.1 贝叶斯网络定义 | 第19-20页 |
| 2.3.2 贝叶斯网络算法 | 第20-24页 |
| 2.3.3 贝叶斯网络分类原理 | 第24-25页 |
| 2.3.4 贝叶斯分类器 | 第25-28页 |
| 第三章 银行个人客户识别方法 | 第28-52页 |
| 3.1 银行个人客户识别问题 | 第28-34页 |
| 3.1.1 问题定义 | 第28-30页 |
| 3.1.2 数据描述 | 第30-31页 |
| 3.1.3 方法选取 | 第31-32页 |
| 3.1.4 数据处理 | 第32-34页 |
| 3.2 客户识别过程 | 第34-38页 |
| 3.3 数据离散化 | 第38-41页 |
| 3.3.1 无监督离散化方法 | 第38-39页 |
| 3.3.2 熵最小离散化方法 | 第39-40页 |
| 3.3.3 数据离散化处理 | 第40-41页 |
| 3.4 属性选择 | 第41-46页 |
| 3.4.1 属性选择概述 | 第41-42页 |
| 3.4.2 GR属性选择 | 第42-44页 |
| 3.4.3 属性选择的阈值选取 | 第44-45页 |
| 3.4.4 属性选择处理 | 第45-46页 |
| 3.5 结构学习 | 第46页 |
| 3.6 参数学习 | 第46-48页 |
| 3.7 分类预测 | 第48-49页 |
| 3.8 评价指标 | 第49-52页 |
| 3.8.1 混淆矩阵 | 第49页 |
| 3.8.2 常用的分类指标 | 第49-50页 |
| 3.8.3 ROC曲线与Lift曲线 | 第50-51页 |
| 3.8.4 分类指标选取 | 第51-52页 |
| 第四章 方法测试与分析 | 第52-62页 |
| 4.1 实验设计 | 第52-54页 |
| 4.1.1 实验目的与测试环境 | 第52-53页 |
| 4.1.2 测试方案 | 第53-54页 |
| 4.2 离散化方法测试结果 | 第54-56页 |
| 4.3 属性选择测试结果 | 第56-58页 |
| 4.4 分类方法测试结果 | 第58-60页 |
| 4.5 ERNOK算法比较 | 第60-62页 |
| 第五章 银行个人客户识别模型与应用 | 第62-67页 |
| 5.1 银行个人客户识别模型 | 第62-66页 |
| 5.2 应用效果评价 | 第66-67页 |
| 第六章 结论 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 攻读学位期间所取得的相关科研成果 | 第77页 |
