| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 基于数据挖掘的客户流失预测研究现状 | 第13-17页 |
| 1.2.1 国外研究状况 | 第13-15页 |
| 1.2.2 国内研究状况 | 第15-17页 |
| 1.3 目前研究存在的问题 | 第17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第2章 数据挖掘概述 | 第19-27页 |
| 2.1 数据挖掘的概念 | 第19-21页 |
| 2.2 数据挖掘相关算法 | 第21-22页 |
| 2.3 数据挖掘的基本过程 | 第22-23页 |
| 2.4 数据挖掘软件工具 | 第23-25页 |
| 2.4.1 数据挖掘软件工具的发展 | 第23-24页 |
| 2.4.2 数据挖掘软件工具的分类 | 第24-25页 |
| 2.5 数据挖掘相关应用领域 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 电信客户流失分析与预测模型的建立 | 第27-42页 |
| 3.1 客户流失分析 | 第27-28页 |
| 3.2 粗糙集理论 | 第28-29页 |
| 3.2.1 粗糙集基本概念 | 第28-29页 |
| 3.2.2 粗糙集主要算法 | 第29页 |
| 3.3 SPSS Clementine的介绍 | 第29-31页 |
| 3.3.1 SPSS Clementine概述 | 第29-31页 |
| 3.3.2 SPSS Clementine的主要模型 | 第31页 |
| 3.4 客户流失预测指标体系的建立 | 第31-32页 |
| 3.4.1 指标的选取原则 | 第31-32页 |
| 3.4.2 指标体系的建立 | 第32页 |
| 3.5 电信客户流失预测模型的建立与分析 | 第32-41页 |
| 3.5.1 商业理解 | 第32-34页 |
| 3.5.2 数据理解 | 第34-35页 |
| 3.5.3 数据预处理 | 第35页 |
| 3.5.4 模型的建立 | 第35-41页 |
| 3.5.5 模型评价 | 第41页 |
| 3.6 小结 | 第41-42页 |
| 第4章 基于组合预测理论的预测模型建立及应用 | 第42-60页 |
| 4.1 客户流失预测的数据准备过程 | 第42-43页 |
| 4.1.1 目标客户数据的选取 | 第42页 |
| 4.1.2 输入字段和输出字段的选取 | 第42-43页 |
| 4.2 基于粗糙集理论的数据预处理过程 | 第43-45页 |
| 4.2.1 基于粗糙集的属性约简算法 | 第43-44页 |
| 4.2.2 基于属性约简法的数据处理 | 第44-45页 |
| 4.3 SPSS Clementine的操作方法 | 第45-46页 |
| 4.4 单一预测模型的建立与分析 | 第46-54页 |
| 4.4.1 Logistic回归法预测 | 第46-51页 |
| 4.4.2 其他数据挖掘方法预测 | 第51-53页 |
| 4.4.3 模型预测结果的对比与实验分析 | 第53-54页 |
| 4.5 单一预测模型的缺点 | 第54-55页 |
| 4.6 几种常见的组合预测模型 | 第55页 |
| 4.7 组合预测模型的建立与分析 | 第55-59页 |
| 4.7.1 建立组合预测模型 | 第56-57页 |
| 4.7.2 预测结果分析 | 第57-59页 |
| 4.8 小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |