数据挖掘在电子商务中的研究与应用
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 1.绪论 | 第8-11页 |
| ·选题背景 | 第8页 |
| ·研究现状 | 第8-10页 |
| ·国外现状 | 第8-9页 |
| ·国内现状 | 第9-10页 |
| ·研究方法 | 第10-11页 |
| 2.数据挖掘理论 | 第11-14页 |
| ·数据挖掘的概念 | 第11-12页 |
| ·技术上的定义 | 第11页 |
| ·商业上的定义 | 第11-12页 |
| ·资料挖掘和统计学的区别 | 第12-14页 |
| 3.数据挖掘的算法 | 第14-21页 |
| ·神经网络算法 | 第14页 |
| ·遗传算法 | 第14-15页 |
| ·决策树算法 | 第15-17页 |
| ·算法原理 | 第15-16页 |
| ·算法优点 | 第16-17页 |
| ·算法缺点 | 第17页 |
| ·粗集算法 | 第17页 |
| ·关联规则 | 第17-19页 |
| ·Apriori算法:使用候选项集找频繁项集 | 第18页 |
| ·基于划分的算法 | 第18页 |
| ·FP-树频集算法 | 第18-19页 |
| ·聚类算法 | 第19-21页 |
| ·算法原理 | 第19-20页 |
| ·K—means算法介绍 | 第20页 |
| ·K—means算法特点 | 第20-21页 |
| 4.数据挖掘的步骤 | 第21-27页 |
| ·目标定义 | 第21-22页 |
| ·创建目标数据集 | 第22页 |
| ·数据预处理 | 第22-23页 |
| ·噪声数据 | 第22-23页 |
| ·缺失的数据 | 第23页 |
| ·数据转换 | 第23-25页 |
| ·数据规范化 | 第23页 |
| ·数据类型变换 | 第23-24页 |
| ·属性和实例选择 | 第24-25页 |
| ·建立数据挖掘模型 | 第25页 |
| ·评估和解释 | 第25页 |
| ·采取行动 | 第25-27页 |
| 5.数据挖掘在汽车保险的主题选择及设计 | 第27-40页 |
| ·汽车保险业数据挖掘的主题选择 | 第27-29页 |
| ·客户风险分析 | 第27页 |
| ·投保行为分析 | 第27-28页 |
| ·客户价值分析 | 第28页 |
| ·欺诈识别 | 第28-29页 |
| ·客户风险分析模型 | 第29-31页 |
| ·基于客户特征的风险分析指标 | 第29-30页 |
| ·基于车辆特征的风险分析指标 | 第30页 |
| ·客户风险分级模型 | 第30-31页 |
| ·投保行为分析 | 第31-33页 |
| ·投保险种分析 | 第31-32页 |
| ·客户行为分析 | 第32-33页 |
| ·客户价值分析 | 第33-37页 |
| ·客户生命周期价值模型 | 第33-34页 |
| ·客户价值指标体系及数据挖掘方法设计 | 第34-35页 |
| ·基于以上分析的客户保持策略 | 第35-37页 |
| ·客户流失分析 | 第37-40页 |
| ·客户流失预测 | 第38-39页 |
| ·建立和维持客户关系、长期留住客户的关键点: | 第39-40页 |
| 6.实证研究 | 第40-47页 |
| ·SPSS公司的CLEMENTINE工具介绍 | 第40-43页 |
| ·性能概述 | 第40-41页 |
| ·产品特点 | 第41-43页 |
| ·数据挖掘在客户流失问题中的运用 | 第43-47页 |
| 总结 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 附录A 本文使用的数据 | 第50-53页 |
| 后记 | 第53-54页 |
| 在学期间发表的学术论文及研究成果 | 第54-55页 |
| 详细摘要 | 第55-60页 |
