昆明电信客户流失预警的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| ·论文研究的背景 | 第9-10页 |
| ·论文的项目背景 | 第10-11页 |
| ·论文研究的内容 | 第11页 |
| ·论文研究的意义 | 第11-13页 |
| ·论文内容安排 | 第13-14页 |
| 第二章 问题定义 | 第14-22页 |
| ·数据挖掘技术 | 第14-17页 |
| ·数据挖掘的含义和特点 | 第14-17页 |
| ·流失定义 | 第17-18页 |
| ·客户流失问题 | 第18-20页 |
| ·客户流失形式 | 第18页 |
| ·客户流失的原因 | 第18-20页 |
| ·降低客户流失的重要性 | 第20-21页 |
| ·客户流失的影响因素 | 第21-22页 |
| 第三章 技术路线 | 第22-31页 |
| ·预警分析的体系结构 | 第22-24页 |
| ·商业目标 | 第22-23页 |
| ·数据挖掘的目标 | 第23-24页 |
| ·具体研究步骤及技术解决方案 | 第24页 |
| ·主要采用算法 | 第24-30页 |
| ·决策树算法 | 第24-25页 |
| ·贝叶斯分类算法 | 第25-28页 |
| ·神经网络算法 | 第28-30页 |
| ·分类方法的评估标准 | 第30-31页 |
| 第四章 数据准备及预处理 | 第31-41页 |
| ·数据选取 | 第31页 |
| ·实际选择的客户流失分析变量 | 第31-33页 |
| ·数据准备 | 第33-36页 |
| ·数据的处理 | 第33-34页 |
| ·连续数据的离散化 | 第34-36页 |
| ·数据清理 | 第36-37页 |
| ·常见数据问题 | 第36页 |
| ·数据清理 | 第36-37页 |
| ·数据的抽样 | 第37-41页 |
| ·几种常用的抽样方法 | 第37-38页 |
| ·样本数据的验证 | 第38-41页 |
| 第五章 挖掘模型 | 第41-54页 |
| ·贝叶斯建模 | 第42-45页 |
| ·决策树建模 | 第45-46页 |
| ·神经网络建模 | 第46-47页 |
| ·三种模型挖掘准确度的比较 | 第47-50页 |
| ·决策树的剪枝 | 第50-51页 |
| ·剪枝的方法 | 第50-51页 |
| ·剪枝后的决策树 | 第51页 |
| ·模型评估 | 第51-53页 |
| ·模型的局限性 | 第53-54页 |
| 第六章 利用数据挖掘与SSIS的整合进行客户预警 | 第54-59页 |
| ·SSIS概述 | 第54页 |
| ·利用SSIS进行客户预警 | 第54-58页 |
| ·结论 | 第58-59页 |
| 第七章 结束语 | 第59-61页 |
| ·总结 | 第59-60页 |
| ·下一步的工作 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65页 |
