基于Logistic回归分析的返贫预测模型研究
| 摘要 | 第9-10页 |
| Abstract | 第10页 |
| 1 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11-14页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 研究目的 | 第13页 |
| 1.1.3 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 关于返贫问题研究现状 | 第14-17页 |
| 1.2.2 关于logistic回归研究现状 | 第17页 |
| 1.3 本文研究内容、方法和思路 | 第17-19页 |
| 1.4 本文组织结构及创新 | 第19-20页 |
| 2 数据分析技术简介 | 第20-29页 |
| 2.1 大数据概述 | 第20-23页 |
| 2.1.1 大数据定义 | 第20-22页 |
| 2.1.2 大数据的应用 | 第22-23页 |
| 2.2 数据分析 | 第23-25页 |
| 2.2.1 数据分析过程 | 第23-24页 |
| 2.2.2 数据分析方法 | 第24-25页 |
| 2.3 Spark大数据处理框架 | 第25-28页 |
| 2.3.1 Spark介绍 | 第25-27页 |
| 2.3.2 SparkMLlib介绍 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 返贫预测模型 | 第29-49页 |
| 3.1 二项Logistic回归模型 | 第29-31页 |
| 3.2 数据预处理 | 第31-36页 |
| 3.2.1 缺失值处理 | 第32页 |
| 3.2.2 异常值处理 | 第32-33页 |
| 3.2.3 数据变换 | 第33-36页 |
| 3.2.4 数据抽取 | 第36页 |
| 3.3 特征选择与说明 | 第36-44页 |
| 3.3.1 T检验 | 第38-41页 |
| 3.3.2 相关性检验 | 第41-42页 |
| 3.3.3 特征说明 | 第42-44页 |
| 3.4 返贫预测模型 | 第44-48页 |
| 3.4.1 实验数据选取 | 第44页 |
| 3.4.2 logistic模型建立 | 第44-45页 |
| 3.4.3 模型评估 | 第45-48页 |
| 3.5 本章小结 | 第48-49页 |
| 4 返贫人群聚类分析 | 第49-58页 |
| 4.1 聚类算法 | 第49-51页 |
| 4.1.1 K-means算法 | 第49-50页 |
| 4.1.2 聚类效果评价准则 | 第50-51页 |
| 4.2 返贫分析模型 | 第51-52页 |
| 4.2.1 返贫人群聚类分析 | 第51-52页 |
| 4.3 聚类结果及分析 | 第52-57页 |
| 4.4 本章小结 | 第57-58页 |
| 5 返贫预测模型系统设计与实现 | 第58-63页 |
| 5.1 系统分析 | 第58-59页 |
| 5.1.1 需求分析 | 第58-59页 |
| 5.1.2 功能分析 | 第59页 |
| 5.2 各模块功能效果展示 | 第59-62页 |
| 5.2.1 返贫预测模型展示 | 第59页 |
| 5.2.2 脱贫数据页面展示 | 第59-60页 |
| 5.2.3 预测返贫数据页面展示 | 第60-62页 |
| 5.3 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 7 参考文献 | 第65-69页 |
| 附录A | 第69-72页 |
| 附录B | 第72-74页 |
| 附录C | 第74-77页 |
| 致谢 | 第77页 |
