基于Logistic回归模型和SVM的企业客户流失研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 缩略语对照表 | 第9-12页 |
| 第一章 绪论 | 第12-15页 |
| 1.1 背景及研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14-15页 |
| 第二章 客户流失理论概述 | 第15-17页 |
| 2.1 客户关系管理 | 第15页 |
| 2.2 客户流失 | 第15-16页 |
| 2.3 本章小结 | 第16-17页 |
| 第三章 数据挖掘理论概述 | 第17-26页 |
| 3.1 数据挖掘的定义 | 第17页 |
| 3.2 建模的一般步骤 | 第17-18页 |
| 3.3 模型的功能 | 第18页 |
| 3.4 模型介绍 | 第18-25页 |
| 3.4.1 决策树 | 第18-20页 |
| 3.4.2 神经网络算法 | 第20-22页 |
| 3.4.3 Logistic回归 | 第22-23页 |
| 3.4.4 SVM | 第23-25页 |
| 3.5 本章小结 | 第25-26页 |
| 第四章 数据集预处理的研究 | 第26-31页 |
| 4.1 特征选择方法 | 第26-29页 |
| 4.1.1 精简数据方法 | 第26页 |
| 4.1.2 提升数据质量方法 | 第26页 |
| 4.1.3 初步特征选择方法 | 第26-27页 |
| 4.1.4 因子分析法 | 第27-29页 |
| 4.2 数据集预处理 | 第29-30页 |
| 4.2.1 精简数据 | 第29页 |
| 4.2.2 提升数据质量 | 第29页 |
| 4.2.3 特征选择方法 | 第29页 |
| 4.2.4 因子分析 | 第29-30页 |
| 4.3 数据说明 | 第30页 |
| 4.4 本章小结 | 第30-31页 |
| 第五章 客户管理模型研究 | 第31-44页 |
| 5.1 SPSS Modeler概述 | 第31-32页 |
| 5.1.1 SPSS Modeler简介 | 第31页 |
| 5.1.2 SPSS Modeler技术特点 | 第31-32页 |
| 5.1.3 SPSS Modeler数据挖掘思想 | 第32页 |
| 5.2 基于多项Logistic回归客户分类模型 | 第32-35页 |
| 5.3 基于二项Logitic回归客户流失模型 | 第35-38页 |
| 5.4 基于决策树、神经网络的客户流失模型 | 第38-41页 |
| 5.4.1 决策树模型 | 第38-39页 |
| 5.4.2 神经网络模型 | 第39-41页 |
| 5.5 基于SVM客户流失模型 | 第41-42页 |
| 5.6 本章小结 | 第42-44页 |
| 第六章 总结 | 第44-46页 |
| 参考文献 | 第46-48页 |
| 致谢 | 第48-49页 |
| 作者简介 | 第49-50页 |
