基于D-N混合算法的中国移动客户流失分析研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-14页 |
| ·课题研究的背景和意义 | 第8-11页 |
| ·客户流失问题的国内外研究现状 | 第11-12页 |
| ·客户流失国外研究现状 | 第11-12页 |
| ·客户流失国内研究现状 | 第12页 |
| ·论文的研究内容 | 第12-13页 |
| ·章节安排 | 第13-14页 |
| 第2章 数据挖掘技术及客户流失预测集成算法分析 | 第14-24页 |
| ·关于客户流失问题的分析 | 第14-17页 |
| ·客户流失问题及客户关系管理 | 第14-16页 |
| ·客户流失问题分析的必要性 | 第16-17页 |
| ·数据挖掘技术及主要算法的优缺点分析 | 第17-22页 |
| ·数据挖掘技术的特征 | 第17-18页 |
| ·主要数据算法及其对比分析 | 第18-20页 |
| ·挖掘算法的选择及所选算法的优缺点分析 | 第20-21页 |
| ·D-N 混合算法的可行性分析 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第3章 集成决策树与神经网络算法的设计 | 第24-32页 |
| ·决策树算法设计 | 第24-26页 |
| ·决策树的构建 | 第24页 |
| ·关于属性划分的主要方法 | 第24-25页 |
| ·进行剪枝分析 | 第25-26页 |
| ·进行抽取规则分析 | 第26页 |
| ·神经网络算法设计 | 第26-29页 |
| ·神经网络的主要原理 | 第26-27页 |
| ·BP 预测模型的设计框架 | 第27-28页 |
| ·BP 神经网络结构图 | 第28页 |
| ·关键技术指标 | 第28-29页 |
| ·D-N 混合算法的设计 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第4章 客户流失预测模型的搭建过程 | 第32-38页 |
| ·客户流失预测模型的搭建原则 | 第32-33页 |
| ·客户流失预测模型的搭建过程 | 第33-34页 |
| ·为流失预测混合模型的搭建选取挖掘工具的指标 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 第5章 客户流失预测混合模型的应用及效果分析 | 第38-62页 |
| ·研究背景 | 第38-39页 |
| ·数据准备阶段 | 第39-46页 |
| ·选择所需的属性变量 | 第39-41页 |
| ·对挖掘数据进行抽样选择 | 第41-45页 |
| ·挖掘数据的清洗和转换 | 第45-46页 |
| ·将原始数据进行功能集划分 | 第46页 |
| ·搭建客户流失预测模型 | 第46-51页 |
| ·客户流失预测模型的评估 | 第51-55页 |
| ·流失预测模型的评估标准 | 第52-54页 |
| ·流失预测模型的评估标准 | 第54-55页 |
| ·流失预测模型的应用分析 | 第55-61页 |
| ·分析流失客户的相关属性 | 第56-59页 |
| ·分析客户流失的原因 | 第59页 |
| ·挽留客户的决定性措施 | 第59-60页 |
| ·客户流失预测前后效果图对比 | 第60-61页 |
| ·章节小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| ·课题已做的工作 | 第62-63页 |
| ·下一步的研究展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间所发表的论文 | 第68-70页 |
| 致谢 | 第70-72页 |
| 个人简历 | 第72页 |
