客户流失预测方法与应用研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究的背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.3 本论文的主要目标、内容、方法与结构安排 | 第13-16页 |
| 1.3.1 研究的主要目标和内容 | 第13-14页 |
| 1.3.2 研究方法 | 第14页 |
| 1.3.3 结构安排 | 第14-16页 |
| 第二章 相关的理论与技术 | 第16-26页 |
| 2.1 系统开发的环境 | 第16页 |
| 2.2 机器学习 | 第16-18页 |
| 2.2.1 机器学习的基本内容 | 第16-17页 |
| 2.2.2 经验风险极小化原则 | 第17-18页 |
| 2.2.3 复杂性与推广能力 | 第18页 |
| 2.3 统计学习理论 | 第18-21页 |
| 2.3.1 VC维 | 第18-19页 |
| 2.3.2 模型推广性的界 | 第19-20页 |
| 2.3.3 结构风险最小化 | 第20-21页 |
| 2.4 支持向量机及其回归特征削去法 | 第21-25页 |
| 2.4.1 支持向量分类机 | 第21-22页 |
| 2.4.2 支持向量回归机 | 第22-23页 |
| 2.4.3 应用研究 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 客户流失预测方法研究与评价 | 第26-41页 |
| 3.1 客户流失中两类错误与满意选择 | 第26-31页 |
| 3.1.1 客户流失预测中的两类错误 | 第26-28页 |
| 3.1.2 客户流失中的满意优化问题 | 第28-30页 |
| 3.1.3 客户流失预测中的数据特征 | 第30-31页 |
| 3.2 客户流失预测模型结构 | 第31-40页 |
| 3.2.1 基于数据特征的客户流失预测模型结构 | 第32-34页 |
| 3.2.2 基于特征分析的客户流失预警系统结构 | 第34-38页 |
| 3.2.3 面向两类错误的客户流失预测模型结构 | 第38-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 客户流失预测系统分析与设计 | 第41-54页 |
| 4.1 需求分析 | 第41-44页 |
| 4.1.1 企业需求背景 | 第41-43页 |
| 4.1.2 功能需求 | 第43-44页 |
| 4.2 开发环境 | 第44-45页 |
| 4.3 系统概要设计 | 第45-47页 |
| 4.3.1 系统设计思路 | 第45-46页 |
| 4.3.2 系统设计原则 | 第46页 |
| 4.3.3 系统结构设计 | 第46-47页 |
| 4.4 数据库分析与设计 | 第47-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 客户流失预测系统的实现 | 第54-76页 |
| 5.1 参数选择模块 | 第54-55页 |
| 5.2 文件选择模块 | 第55-59页 |
| 5.3 操作选择模块 | 第59-60页 |
| 5.4 结果显示模块 | 第60-62页 |
| 5.5 支持向量机函数模块 | 第62-63页 |
| 5.6 主要代码 | 第63-75页 |
| 5.7 本章小结 | 第75-76页 |
| 第六章 系统测试与分析 | 第76-82页 |
| 6.1 系统测试的主要目标 | 第76页 |
| 6.2 系统测试环境 | 第76页 |
| 6.3 系统主要功能测试 | 第76-81页 |
| 6.3.1 根据参数变化测试 | 第76-79页 |
| 6.3.2 与不同方法的对比测试 | 第79-81页 |
| 6.4 本章小结 | 第81-82页 |
| 第七章 结论 | 第82-85页 |
| 7.1 本论文的主要贡献 | 第82-83页 |
| 7.2 下一步工作的展望 | 第83-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-91页 |
