基于数据挖掘的商业银行个人客户细分系统设计
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文研究思路和主要结构 | 第14-16页 |
| 第2章 银行客户细分理论与方法 | 第16-27页 |
| 2.1 银行客户细分的理论研究 | 第16-18页 |
| 2.1.1 客户细分理论的产生 | 第16页 |
| 2.1.2 商业银行应用客户细分的必要性 | 第16-17页 |
| 2.1.3 国外银行在客户细分方面的成就 | 第17-18页 |
| 2.2 银行客户细分基础——数据挖掘技术 | 第18-27页 |
| 2.2.1 数据挖掘的基本概念和方法 | 第19-24页 |
| 2.2.2 数据挖掘处理银行客户细分的优势 | 第24-27页 |
| 第3章 银行客户细分系统模型设计 | 第27-39页 |
| 3.1 银行客户细分系统需求分析 | 第27-28页 |
| 3.1.1 银行客户的特点 | 第27页 |
| 3.1.2 银行客户系统目标 | 第27-28页 |
| 3.2 银行客户细分的总体模型设计 | 第28-30页 |
| 3.3 数据预处理模块设计 | 第30-31页 |
| 3.4 数据挖掘过程模块设计 | 第31-39页 |
| 3.4.1 决策树方法设计 | 第32-33页 |
| 3.4.2 K-means 聚类算法设计 | 第33-39页 |
| 第4章 基于数据挖掘的客户细分系统实现 | 第39-49页 |
| 4.1 数据的准备与处理 | 第39-41页 |
| 4.2 聚类分析 | 第41-46页 |
| 4.3 决策树分析 | 第46-49页 |
| 结论与展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54页 |
