| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 图表目录 | 第8-9页 |
| 第一章 绪论 | 第9-12页 |
| ·研究背景和意义 | 第9-10页 |
| ·研究目的 | 第10页 |
| ·论文的主要内容 | 第10-11页 |
| ·论文的组织结构 | 第11-12页 |
| 第二章 相关理论分析 | 第12-25页 |
| ·细分理论 | 第12-15页 |
| ·客户细分理论 | 第12-14页 |
| ·银行个人客户经理细分 | 第14-15页 |
| ·聚类算法相关概念 | 第15-22页 |
| ·聚类的定义 | 第15-16页 |
| ·聚类算法的要求 | 第16-17页 |
| ·聚类算法分类 | 第17-18页 |
| ·聚类分析中的数据结构 | 第18-19页 |
| ·聚类分析中的相似性度量 | 第19-21页 |
| ·聚类准则函数 | 第21-22页 |
| ·K-MEANS聚类算法分析 | 第22-25页 |
| ·K-MEANS聚类算法介绍 | 第22-24页 |
| ·应用K-MEANS算法进行聚类的问题 | 第24-25页 |
| 第三章 实证研究方法论的分析 | 第25-29页 |
| ·业界成熟的数据挖掘方法论介绍 | 第25-27页 |
| ·CRISP-DM模型 | 第25-26页 |
| ·SEMMA模型 | 第26-27页 |
| ·本文实证研究方法论分析 | 第27-29页 |
| 第四章 基于K-MEANS聚类算法的个人客户经理细分的实证研究 | 第29-48页 |
| ·确定业务目标 | 第29页 |
| ·数据采集 | 第29-31页 |
| ·数据准备 | 第31-36页 |
| ·数据清洗 | 第31页 |
| ·异常值处理 | 第31-32页 |
| ·相关性分析 | 第32-36页 |
| ·变量对数转换 | 第36页 |
| ·变量标准化 | 第36页 |
| ·执行K-MEANS算法 | 第36-39页 |
| ·算法工具介绍 | 第36-37页 |
| ·聚类个数K的确定 | 第37-38页 |
| ·初始凝聚点的选择 | 第38-39页 |
| ·结果分析 | 第39-44页 |
| ·最终聚类结果 | 第44-45页 |
| ·聚类结果的运用 | 第45-48页 |
| 第五章 总结 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52页 |