集成学习方法及其在通信行业中用户流失分析的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 论文的主要工作 | 第14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第二章 相关理论知识 | 第16-27页 |
| 2.1 决策树算法 | 第16-17页 |
| 2.1.1 决策树的生成 | 第16页 |
| 2.1.2 决策树的剪枝 | 第16-17页 |
| 2.1.3 决策树的经典算法 | 第17页 |
| 2.2 集成学习相关理论 | 第17-19页 |
| 2.3 基分类器的生成 | 第19-20页 |
| 2.4 基分类器的组合策略 | 第20-22页 |
| 2.5 经典的集成学习方法 | 第22-26页 |
| 2.5.1 Boosting算法 | 第22-24页 |
| 2.5.2 Bagging算法 | 第24-25页 |
| 2.5.3 随机森林算法 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于正则化的差异性集成学习算法 | 第27-36页 |
| 3.1 选择性集成 | 第27-28页 |
| 3.2 介绍已有的两种集成方法 | 第28页 |
| 3.3 算法改进的原因 | 第28-29页 |
| 3.4 基于正则化的差异性集成学习算法 | 第29-34页 |
| 3.4.1 算法的原理 | 第30-33页 |
| 3.4.2 补充说明 | 第33-34页 |
| 3.4.3 算法的优势分析 | 第34页 |
| 3.5 DELMBR与SPA算法的比较 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 通信行业用户流失预测分析 | 第36-47页 |
| 4.1 应用背景介绍 | 第36-37页 |
| 4.2 用户流失预测的发展现状 | 第37页 |
| 4.3 数据的属性说明及预处理 | 第37-40页 |
| 4.3.1 数据属性说明 | 第37-39页 |
| 4.3.2 数据的预处理 | 第39-40页 |
| 4.4 模型的设计 | 第40页 |
| 4.5 模型的评价标准 | 第40-42页 |
| 4.6 实验及结果分析 | 第42-45页 |
| 4.7 本章小结 | 第45-47页 |
| 结论 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间取得的研究成果 | 第53-54页 |
| 致谢 | 第54-55页 |
| 附件 | 第55页 |
