| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 相关的工作 | 第11-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 数据挖掘相关理论 | 第16-20页 |
| 2.1 监督学习技术 | 第16-18页 |
| 2.1.1 判别分析和逻辑回归 | 第16-17页 |
| 2.1.2 神经网络 | 第17页 |
| 2.1.3 决策树 | 第17页 |
| 2.1.4 支持向量机 | 第17-18页 |
| 2.2 非监督学习技术 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第三章 基于记忆聚类方法的电信客户流失集成预测模型 | 第20-27页 |
| 3.1 数据预处理阶段 | 第20-23页 |
| 3.2 非监督学习阶段 | 第23-24页 |
| 3.3 监督学习阶段及性能评估 | 第24-26页 |
| 3.4 本章小结 | 第26-27页 |
| 第四章 实证及结果讨论 | 第27-54页 |
| 4.1 实验数据 | 第27-39页 |
| 4.1.1 数据描述 | 第27页 |
| 4.1.2 数据集探索性分析 | 第27-31页 |
| 4.1.3 数据预处理 | 第31-35页 |
| 4.1.4 PLS最佳子集选择 | 第35-39页 |
| 4.2 非监督学习阶段—记忆聚类方法 | 第39-42页 |
| 4.3 监督学习阶段—流失客户分类探索 | 第42-53页 |
| 4.3.1 参数设置 | 第42-43页 |
| 4.3.2 单一分类方法验证——有/无聚类特征变量 | 第43-47页 |
| 4.3.3 模型性能比较——有/无聚类特征变量 | 第47页 |
| 4.3.4 集成分类方法验证 | 第47-49页 |
| 4.3.5 分类器成对比较 | 第49页 |
| 4.3.6 模型的有效性检验 | 第49-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 流失管理营销策略 | 第54-60页 |
| 5.1 流失管理营销策略开发 | 第54-57页 |
| 5.2 流失管理营销细分 | 第57-58页 |
| 5.3 流失管理营销评估 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-70页 |
| 攻读硕士学位期间取得的成果 | 第70-71页 |