基于数据挖掘的陌生人社交APP用户流失预测模型研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 问题的提出 | 第9-10页 |
| 1.2 研究背景和意义 | 第10-12页 |
| 1.2.1 研究背景 | 第10-11页 |
| 1.2.2 研究意义 | 第11-12页 |
| 1.3 国内外文献综述 | 第12-15页 |
| 1.3.1 国内外相关研究 | 第12-15页 |
| 1.4 本文主要研究内容 | 第15-16页 |
| 1.4.1 主要内容及方法 | 第15页 |
| 1.4.2 研究框架 | 第15-16页 |
| 1.5 数据来源说明 | 第16-17页 |
| 第2章 相关理论 | 第17-21页 |
| 2.1 用户流失的定义及分类 | 第17页 |
| 2.2 数据挖掘 | 第17-21页 |
| 2.2.1 数据挖掘的概念 | 第17-18页 |
| 2.2.2 分类建模简介 | 第18-19页 |
| 2.2.3 模型评价方法 | 第19-21页 |
| 第3章 探索性数据分析 | 第21-42页 |
| 3.1 使用场景介绍 | 第21-22页 |
| 3.2 用户的自身属性探索分析 | 第22-26页 |
| 3.2.1 用户状态及分类 | 第22-23页 |
| 3.2.2 变量说明 | 第23-24页 |
| 3.2.3 用户年龄结构分布 | 第24-26页 |
| 3.3 用户流失特征探索 | 第26-40页 |
| 3.3.1 用户整体流失情况 | 第26-29页 |
| 3.3.2 用户属性数据探索 | 第29-34页 |
| 3.3.3 用户行为数据探索 | 第34-40页 |
| 3.4 数据预处理 | 第40-42页 |
| 第4章 模型建立、评估与选择 | 第42-50页 |
| 4.1 模型建立 | 第42-46页 |
| 4.1.1 逻辑斯蒂回归模型 | 第42-43页 |
| 4.1.2 决策树模型 | 第43-44页 |
| 4.1.3 随机森林模型 | 第44-45页 |
| 4.1.4 XGBoost模型 | 第45-46页 |
| 4.2 模型比较分析 | 第46-50页 |
| 4.2.1 模型结果评价与分析 | 第46-47页 |
| 4.2.2 模型解释 | 第47-48页 |
| 4.2.3 用户流失概率输出 | 第48-50页 |
| 第5章 总结和展望 | 第50-52页 |
| 5.1 主要结论 | 第50页 |
| 5.2 不足和建议 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 附录 | 第54-58页 |
| 致谢 | 第58-59页 |
