基于数据挖掘的客户忠诚度分析
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·选题的背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·数据挖掘研究的内容及面临的挑战 | 第10-16页 |
| ·数据挖掘定义 | 第10-11页 |
| ·知识发现的一般过程 | 第11-12页 |
| ·数据挖掘系统架构 | 第12-13页 |
| ·数据挖掘的分类 | 第13-15页 |
| ·数据挖掘研究和应用的挑战性 | 第15-16页 |
| ·论文的主要内容 | 第16-18页 |
| 第二章 分类和预测 | 第18-31页 |
| ·什么是分类、预测 | 第18-19页 |
| ·决策树基本算法 | 第19-21页 |
| ·决策树生成算法 | 第19-20页 |
| ·决策树的修剪 | 第20-21页 |
| ·贝叶斯分类 | 第21-23页 |
| ·贝叶斯定理 | 第21-22页 |
| ·朴素贝叶斯分类 | 第22-23页 |
| ·神经网络预测算法 | 第23-24页 |
| ·其他分类方法 | 第24-26页 |
| ·k-最临近分类 | 第24-25页 |
| ·基于案例的推理 | 第25-26页 |
| ·遗传算法 | 第26页 |
| ·预测 | 第26-29页 |
| ·非线性回归 | 第26-27页 |
| ·其它回归模型 | 第27页 |
| ·各种回归模型的比较 | 第27-29页 |
| ·分类法的准确性 | 第29-30页 |
| ·评估分类法的准确率 | 第29-30页 |
| ·提高分类法的准确率 | 第30页 |
| ·本章小节 | 第30-31页 |
| 第三章 线性回归分析及CART分类器 | 第31-48页 |
| ·线性回归分析 | 第31-36页 |
| ·一元线性回归: | 第31-32页 |
| ·多元线性回归 | 第32-33页 |
| ·p元线性回归模型中的参数估计 | 第33-35页 |
| ·趋势预测函数 | 第35-36页 |
| ·CART分类器 | 第36-46页 |
| ·决策树建立 | 第36-40页 |
| ·属性向量的标准问题集 | 第38-39页 |
| ·CART决策树构建的过程 | 第39页 |
| ·决策树建树算法描述 | 第39-40页 |
| ·决策树修剪 | 第40-42页 |
| ·基本定义 | 第40页 |
| ·修剪决策树的过程 | 第40-42页 |
| ·确定叶节点的类别 | 第42页 |
| ·决策树验证 | 第42-44页 |
| ·测试样例验证 | 第42-43页 |
| ·交叉验证 | 第43-44页 |
| ·CART建树与修剪的合并 | 第44-46页 |
| ·MDL修剪 | 第45页 |
| ·建树与修剪合并算法 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 第四章 基于海尔客户关系数据的客户忠诚度分析系统 | 第48-59页 |
| ·引言 | 第48页 |
| ·系统功能简介 | 第48-49页 |
| ·系统整体构架 | 第49页 |
| ·系统模块详细介绍 | 第49-51页 |
| ·数据预处理模块 | 第49-51页 |
| ·重点客户发现模块 | 第51页 |
| ·客户忠诚度预测模块 | 第51页 |
| ·基于海尔客户关系数据的忠诚度分析 | 第51-58页 |
| ·数据的选取 | 第52-53页 |
| ·影响因子的构造 | 第53-55页 |
| ·训练集的选取 | 第55-56页 |
| ·客户忠诚度预测 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-60页 |
| ·全文的工作总结 | 第59页 |
| ·存在的问题及对未来的展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |
