| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景与意义 | 第7页 |
| ·目前研究现状及发展方向 | 第7-8页 |
| ·本文研究的意义和所做的主要工作 | 第8-10页 |
| ·本文工作与结构安排 | 第10-11页 |
| 第二章 基于CRM的数据挖掘技术基础 | 第11-19页 |
| ·客户关系管理的概念 | 第11-12页 |
| ·构建基于客户智能的CRM系统 | 第12-14页 |
| ·CRM的技术类型 | 第12页 |
| ·CRM系统的主要组件 | 第12-14页 |
| ·数据挖掘技术 | 第14-17页 |
| ·数据挖掘的概念与发展 | 第14-15页 |
| ·数据挖掘方法的应用领域 | 第15-16页 |
| ·数据挖掘应用步骤 | 第16-17页 |
| ·CRM与数据挖掘的关系 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 ID3决策树算法在黄马甲客户流失中的应用 | 第19-27页 |
| ·引言 | 第19页 |
| ·决策树算法与ID3算法 | 第19-20页 |
| ·客户数据预处理 | 第20-22页 |
| ·用ID3算法构建客户流失决策树 | 第22-25页 |
| ·用ID3算法构建决策树 | 第22-24页 |
| ·决策树修剪 | 第24页 |
| ·关于训练集、测试集的选取和准确性的评估 | 第24-25页 |
| ·客户流失预测结果 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 K-MEANS算法在商品价格聚类中的应用 | 第27-37页 |
| ·引言 | 第27页 |
| ·K-MEANS聚类算法 | 第27-29页 |
| ·聚类分析 | 第27-28页 |
| ·聚类分析的相似系数指标 | 第28-29页 |
| ·聚类分析的步骤 | 第29页 |
| ·聚类中的经典算法K-means算法 | 第29页 |
| ·基于K-MEANS算法的数据挖掘实现 | 第29-32页 |
| ·数据预处理及运行结果分析 | 第32-36页 |
| ·数据预处理 | 第32-33页 |
| ·各品类数据挖掘结果及分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 APRIORI算法在黄马甲购物篮分析中的应用 | 第37-45页 |
| ·引言 | 第37页 |
| ·基于APRIORI算法提取数据中关联规则 | 第37-39页 |
| ·关联规则的定义与分类 | 第37-38页 |
| ·经典的频集算法 | 第38页 |
| ·Apriori算法分析 | 第38-39页 |
| ·测试数据及运行结果分析 | 第39-44页 |
| ·数据的预处理 | 第39-42页 |
| ·数据运行结果及分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第六章 结束语 | 第45-47页 |
| ·总结 | 第45页 |
| ·展望 | 第45-47页 |
| 致谢 | 第47-49页 |
| 参考文献 | 第49-51页 |