| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-11页 |
| 1.1.1 大数据时代运营商面临的机遇与挑战 | 第8-9页 |
| 1.1.2 数据挖掘技术的兴起与应用 | 第9-10页 |
| 1.1.3 数据挖掘技术在电信业中的应用 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 论文组织机构 | 第14-15页 |
| 第二章 相关理论技术概述 | 第15-23页 |
| 2.1 数据挖掘过程 | 第15-16页 |
| 2.2 数据挖掘技术 | 第16-20页 |
| 2.2.1 决策树 | 第16-18页 |
| 2.2.2 Logistic回归技术 | 第18-19页 |
| 2.2.3 支持向量机SVM | 第19-20页 |
| 2.3 Hadoop介绍 | 第20-23页 |
| 2.3.1 分布式文件系统HDFS | 第20-21页 |
| 2.3.2 分布式计算框架MapReduce | 第21-23页 |
| 第三章 模型的样本数据的准备 | 第23-42页 |
| 3.1 模型的商业理解 | 第24-25页 |
| 3.2 数据理解 | 第25-28页 |
| 3.2.1 确定分析窗口 | 第25-26页 |
| 3.2.2 确定相关数据字段 | 第26-28页 |
| 3.3 数据准备 | 第28-42页 |
| 3.3.1 数据集成 | 第29-30页 |
| 3.3.2 数据清洗 | 第30-32页 |
| 3.3.3 数据规约 | 第32-34页 |
| 3.3.4 数据转换 | 第34-35页 |
| 3.3.5 数据的平衡问题 | 第35-36页 |
| 3.3.6 数据预测指标体系的构建 | 第36-40页 |
| 3.3.7 拆分数据集 | 第40-42页 |
| 第四章 预测模型的建立、评估及应用 | 第42-48页 |
| 4.1 预测模型的建立 | 第42-43页 |
| 4.2 模型评估 | 第43-46页 |
| 4.3 模型的部署与应用 | 第46-48页 |
| 第五章 基于Hadoop平台构建电信4G客户预测模型 | 第48-53页 |
| 5.1 Hadoop平台描述 | 第48-49页 |
| 5.2 基于MapReduce实现决策树C4.5的并行化 | 第49-51页 |
| 5.3 实验结果对比分析 | 第51-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 本文总结 | 第53-54页 |
| 6.2 未来工作的展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 研究生期间参与的项目 | 第58-59页 |
| 致谢 | 第59页 |