基于增量分类方法的信用卡客户分析
| 摘 要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 引言 | 第8-13页 |
| ·论文研究的背景 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·论文研究的主要内容 | 第11-13页 |
| 第2章 数据挖掘 | 第13-22页 |
| ·数据挖掘概念 | 第13-15页 |
| ·可以挖掘的数据模式 | 第15-18页 |
| ·概念／类描述：特征化和区分 | 第15-16页 |
| ·关联分析 | 第16页 |
| ·分类和预测 | 第16-17页 |
| ·聚类分析 | 第17-18页 |
| ·孤立点分析 | 第18页 |
| ·数据预处理 | 第18-20页 |
| ·数据清理 | 第18-19页 |
| ·数据集成 | 第19页 |
| ·数据变换 | 第19-20页 |
| ·数据规约 | 第20页 |
| ·数据挖掘的步骤 | 第20-22页 |
| 第3章 分类 | 第22-30页 |
| ·判定树归纳方法 | 第22-25页 |
| ·分类的有关问题 | 第25-30页 |
| ·数据预处理 | 第25页 |
| ·评估分类方法 | 第25-27页 |
| ·提高分类的准确率 | 第27-28页 |
| ·增量学习 | 第28-30页 |
| 第4章 信用卡客户行为分析 | 第30-59页 |
| ·分析目的 | 第30页 |
| ·实验数据及其预处理 | 第30-34页 |
| ·构造分类模型 | 第34-55页 |
| ·SLIQ 算法 | 第34-41页 |
| ·AdaBoost 算法 | 第41页 |
| ·SLIQ 与AdaBoost 的结合及算法修改 | 第41-47页 |
| ·增量学习 | 第47-55页 |
| ·模型测试 | 第55页 |
| ·提取规则 | 第55-59页 |
| 第5章 结论 | 第59-61页 |
| ·论文的主要工作 | 第59页 |
| ·进一步的工作 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63页 |
