基于数据挖掘技术的个人客户识别模型的研究及应用
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 引言 | 第11-18页 |
| ·研究背景 | 第11-12页 |
| ·研究的目的和意义 | 第12页 |
| ·国内外研究和应用现状 | 第12-15页 |
| ·关联规则挖掘 | 第13-14页 |
| ·分类挖掘 | 第14-15页 |
| ·聚类挖掘 | 第15页 |
| ·课题来源及研究内容 | 第15-18页 |
| ·课题来源 | 第15-16页 |
| ·研究内容 | 第16页 |
| ·论文结构 | 第16-18页 |
| 第2章 数据挖掘理论与技术 | 第18-29页 |
| ·数据挖掘概述 | 第18页 |
| ·数据挖掘流程 | 第18-20页 |
| ·数据挖掘技术分类 | 第20-21页 |
| ·数据挖掘的主要方法 | 第21-24页 |
| ·基于代价敏感的决策树算法 | 第24-27页 |
| ·代价敏感学习的原理 | 第24-25页 |
| ·基于代价敏感的C4.5 算法 | 第25-27页 |
| ·分类算法的评价 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 个人客户识别模型应用框架及交往圈的确定 | 第29-35页 |
| ·个人客户识别模型应用框架 | 第29-30页 |
| ·核心交往圈的确定 | 第30-31页 |
| ·商业理解 | 第30页 |
| ·数据准备 | 第30页 |
| ·算法选择 | 第30-31页 |
| ·数据抽样 | 第31页 |
| ·选择输入变量 | 第31-33页 |
| ·获得大小合适的树 | 第33页 |
| ·生成交往圈基础数据表 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 个人客户识别模型的建立与评估 | 第35-45页 |
| ·问题定义 | 第35页 |
| ·数据描述 | 第35-37页 |
| ·数据准备 | 第37-41页 |
| ·数据清洗 | 第38页 |
| ·业务分析及建模宽表 | 第38-40页 |
| ·数据处理 | 第40-41页 |
| ·数据探索 | 第41页 |
| ·模型构建 | 第41-42页 |
| ·个人客户识别模型的评估 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 个人客户识别模型的实现与应用 | 第45-58页 |
| ·模型的实现思路与相关技术 | 第45-49页 |
| ·模型实现思路 | 第45页 |
| ·模型实现的相关技术 | 第45-49页 |
| ·模型的实现 | 第49-55页 |
| ·数据库设计 | 第49-52页 |
| ·存储过程的实现与调度配置 | 第52-54页 |
| ·个人客户识别结果汇总统计 | 第54-55页 |
| ·个人客户识别清单查询 | 第55页 |
| ·个人客户识别模型的应用 | 第55-57页 |
| ·重入网应用 | 第55-56页 |
| ·病毒性营销应用 | 第56页 |
| ·零次户流向识别应用 | 第56-57页 |
| ·应用效果 | 第57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读学位期间取得学术成果 | 第64页 |
