| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-11页 |
| 1.1 国内外研究现状 | 第7-8页 |
| 1.2 论文研究的主要内容 | 第8-9页 |
| 1.3 论文的结构安排 | 第9-11页 |
| 2 决策树算法在学生购买手机中的分析与应用 | 第11-20页 |
| 2.1 决策树 | 第11-13页 |
| 2.1.1 ID3算法 | 第11页 |
| 2.1.2 信息增益计算方法 | 第11-12页 |
| 2.1.3 ID3算法流程 | 第12页 |
| 2.1.4 C4.5及C5.0简介 | 第12-13页 |
| 2.2 SPSS Clementine软件介绍 | 第13-15页 |
| 2.3 数据处理 | 第15页 |
| 2.4 实验过程 | 第15-19页 |
| 2.5 结果分析 | 第19-20页 |
| 3 K-Means算法在员工离职中的分析与应用 | 第20-25页 |
| 3.1 聚类分析 | 第20-22页 |
| 3.2 数据处理 | 第22-23页 |
| 3.3 实验过程 | 第23页 |
| 3.4 结果分析 | 第23-25页 |
| 4 关联规则挖掘在客户购买商品中的分析与应用 | 第25-34页 |
| 4.1 关联规则 | 第25-27页 |
| 4.2 数据处理 | 第27-28页 |
| 4.3 实验过程 | 第28-33页 |
| 4.4 结果分析 | 第33-34页 |
| 5 logistic回归模型在睡眠客户预测中的应用与分析 | 第34-40页 |
| 5.1 Logistic回归模型 | 第34-35页 |
| 5.1.1 一元logistic回归 | 第34页 |
| 5.1.2 多元logistic回归 | 第34-35页 |
| 5.1.3 Logistic回归假设条件 | 第35页 |
| 5.2 数据处理 | 第35-36页 |
| 5.2.1 数据来源 | 第35页 |
| 5.2.2 数据整理 | 第35页 |
| 5.2.3 确定高价值用户 | 第35-36页 |
| 5.3 睡眠用户定义 | 第36-37页 |
| 5.4 建立模型及模型评估 | 第37-39页 |
| 5.4.1 变量选取 | 第37页 |
| 5.4.2 变量处理 | 第37页 |
| 5.4.3 模型建立 | 第37-38页 |
| 5.4.4 模型评估 | 第38-39页 |
| 5.5 结果分析 | 第39-40页 |
| 6 结论与展望 | 第40-42页 |
| 6.1 论文研究的主要内容 | 第40页 |
| 6.2 取得的预期成果 | 第40页 |
| 6.3 存在的不足及今后进一步研究的内容 | 第40-42页 |
| 致谢 | 第42-43页 |
| 参考文献 | 第43-44页 |