基于数据挖掘的用户流失预测
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-11页 |
| 1.1 选题背景与意义 | 第7页 |
| 1.2 用户流失预测的研究现状 | 第7-9页 |
| 1.3 论文组织结构 | 第9-11页 |
| 第2章 数据处理 | 第11-27页 |
| 2.1 数据来源及介绍 | 第11页 |
| 2.2 数据探查 | 第11-24页 |
| 2.2.1 用户基本信息分析 | 第12-16页 |
| 2.2.2 交易记录分析 | 第16-21页 |
| 2.2.3 日志记录分析 | 第21-24页 |
| 2.3 变量构造 | 第24-27页 |
| 第3章 不平衡数据分类方法介绍 | 第27-31页 |
| 3.1 不平衡数据分类问题 | 第27页 |
| 3.2 数据层面解决方法 | 第27-28页 |
| 3.3 算法层面解决方法 | 第28-29页 |
| 3.4 不平衡数据分类方法评价指标 | 第29-31页 |
| 3.4.1 查准率、查全率和F_1值 | 第29-30页 |
| 3.4.2 ROC和AUC | 第30-31页 |
| 第4章 构建用户流失预测模型 | 第31-46页 |
| 4.1 基于欠采样的Logistic回归预测模型 | 第31-34页 |
| 4.1.1 Logistic回归模型建立 | 第31-32页 |
| 4.1.2 基于欠采样的Logistic回归建模 | 第32-34页 |
| 4.2 基于欠采样的随机森林预测模型 | 第34-38页 |
| 4.2.1 随机森林算法介绍 | 第34-35页 |
| 4.2.2 基于欠采样的随机森林预测模型 | 第35-38页 |
| 4.3 基于AdaCost的用户流失预测模型 | 第38-41页 |
| 4.3.1 AdaCost.算法介绍 | 第38-40页 |
| 4.3.2 基于AdaCost的用户流失预测模型 | 第40-41页 |
| 4.4 三种模型的比较 | 第41-43页 |
| 4.4.1 预测效果比较 | 第41-42页 |
| 4.4.2 可解释性比较 | 第42-43页 |
| 4.4.3 时间成本和运算成本比较 | 第43页 |
| 4.5 性别与年龄对用户流失预测的影响 | 第43-46页 |
| 第5章 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46页 |
| 5.2 展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51页 |
