基于数据挖掘的移动中高端用户流失预警分析
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 选题背景 | 第11-12页 |
| 1.2 研究意义 | 第12页 |
| 1.3 国内外相关研究现状 | 第12-14页 |
| 1.4 论文的主要工作及组织结构 | 第14-15页 |
| 第二章 数据挖掘及客户细分理论基础 | 第15-22页 |
| 2.1 数据挖掘基础知识 | 第15-19页 |
| 2.1.1 基本概念 | 第15-16页 |
| 2.1.2 数据挖掘技术的分类及任务 | 第16-19页 |
| 2.2 信息增益的决策树算法 | 第19-21页 |
| 2.3 客户细分技术 | 第21-22页 |
| 第三章 中高端客户流失预警模型设计 | 第22-30页 |
| 3.1 数据源选取 | 第22-23页 |
| 3.2 周期选择 | 第23页 |
| 3.3 模型细分 | 第23-24页 |
| 3.4 用户行为细分 | 第24-30页 |
| 3.4.1 跟踪分析类 | 第25-27页 |
| 3.4.2 预测分析类 | 第27-30页 |
| 第四章 实验测试和实施过程 | 第30-58页 |
| 4.1 数据准备和处理 | 第30-35页 |
| 4.2 筛选模型数据 | 第35-36页 |
| 4.3 建模流程 | 第36-54页 |
| 4.4 训练模型 | 第54-56页 |
| 4.5 验证模型 | 第56-58页 |
| 第五章 模型应用和效果评估 | 第58-64页 |
| 5.1 客户流失解决方案 | 第58-60页 |
| 5.2 实际应用案例 | 第60-61页 |
| 5.3 应用效果评估 | 第61-64页 |
| 第六章 总结和展望 | 第64-67页 |
| 6.1 工作总结 | 第64-65页 |
| 6.2 进一步工作展望 | 第65-67页 |
| 参考文献 | 第67-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间已发表或录用的论文 | 第70页 |
