家庭宽带精准营销中的数据挖掘分析与应用
摘要 | 第4-5页 |
abstract | 第5-6页 |
第1章 绪论 | 第9-15页 |
1.1 论文背景及意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-13页 |
1.2.1 大数据及数据挖掘 | 第10-11页 |
1.2.2 国内外相关研究 | 第11-12页 |
1.2.3 大数据对生活的影响及未来发展趋势 | 第12-13页 |
1.3 论文主要研究内容 | 第13页 |
1.4 论文结构 | 第13页 |
1.5 小结 | 第13-15页 |
第2章 大数据及数据挖掘的关键技术 | 第15-23页 |
2.1 大数据的概念 | 第15-16页 |
2.2 数据挖掘的概念及算法 | 第16-17页 |
2.3 机器学习的概念 | 第17页 |
2.4 数据挖掘系统框架 | 第17-18页 |
2.5 数据挖掘流程 | 第18-21页 |
2.5.1 数据准备 | 第19页 |
2.5.2 机器学习算法选取 | 第19页 |
2.5.3 准确率检验 | 第19-20页 |
2.5.4 技术路线 | 第20-21页 |
2.6 小结 | 第21-23页 |
第3章 系统设计及算法选取 | 第23-39页 |
3.1 大数据平台环境搭建 | 第23-24页 |
3.2 数据准备 | 第24-28页 |
3.2.1 表与字段选取 | 第25-26页 |
3.2.2 账期选取 | 第26-27页 |
3.2.3 数据筛选 | 第27-28页 |
3.3 月度统计量的挖掘分析 | 第28-35页 |
3.3.1 数据的清洗和标识 | 第28页 |
3.3.2 模型选择 | 第28-30页 |
3.3.3 分类器模型评估指标 | 第30-35页 |
3.4 参数调优 | 第35-38页 |
3.5 小结 | 第38-39页 |
第4章 系统的推广与应用 | 第39-47页 |
4.1 手机上网日志的挖掘分析 | 第39-41页 |
4.2 用户居住地识别模型 | 第41-42页 |
4.3 目标用户分布热力图设计 | 第42-45页 |
4.4 小结 | 第45-47页 |
第5章 结束语 | 第47-49页 |
5.1 总结 | 第47-48页 |
5.2 展望 | 第48-49页 |
参考文献 | 第49-53页 |
作者简介 | 第53-55页 |
致谢 | 第55页 |