数据挖掘技术在寿险市场分析中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-15页 |
| ·引言 | 第10页 |
| ·选题背景 | 第10-11页 |
| ·研究的目的和意义 | 第11页 |
| ·国内外研究现状 | 第11-14页 |
| ·数据挖掘技术发展现状 | 第11-13页 |
| ·保险业中数据挖掘技术应用现状 | 第13-14页 |
| ·本文研究的主要内容和结构 | 第14-15页 |
| 2 数据挖掘技术综述 | 第15-21页 |
| ·数据挖掘的定义及主要特点 | 第15-16页 |
| ·数据挖掘的工作过程 | 第16-18页 |
| ·数据挖掘的分析方法 | 第18页 |
| ·数据挖掘的主要实现技术 | 第18-21页 |
| 3 数据挖掘系统LDMS 及其功能 | 第21-29页 |
| ·数据挖掘系统的一般实现过程与结构 | 第21-23页 |
| ·寿险数据挖掘系统LDMS 的体系结构与特点 | 第23-24页 |
| ·系统功能介绍 | 第24-29页 |
| ·数据抽取、转化、装载功能 | 第24-25页 |
| ·数据净化功能 | 第25页 |
| ·数据挖掘功能 | 第25-28页 |
| ·客户端可视化 | 第28-29页 |
| 4 寿险公司相关业务知识和数据仓库构建 | 第29-37页 |
| ·寿险公司相关业务知识 | 第29-30页 |
| ·寿险公司希望通过数据挖掘实现的目标 | 第30-31页 |
| ·构建寿险公司数据仓库 | 第31-37页 |
| ·为什么要建立一个独立的数据仓库 | 第31页 |
| ·寿险公司数据仓库主题的确定 | 第31-32页 |
| ·寿险数据仓库的概念模型 | 第32页 |
| ·寿险数据仓库的逻辑模型 | 第32-35页 |
| ·数据的采集 | 第35-37页 |
| 5 基于关联规则的数据挖掘方法应用 | 第37-58页 |
| ·关联规则的概念及相关定义 | 第37-38页 |
| ·关联规则的类型 | 第38页 |
| ·关联规则挖掘的步骤 | 第38-39页 |
| ·频繁项集挖掘典型算法 | 第39页 |
| ·FP-GROWTH 算法 | 第39-56页 |
| ·FP-tree 和两个基本算法 | 第39-44页 |
| ·算法的数据结构 | 第44-48页 |
| ·算法的实现 | 第48-56页 |
| ·挖掘结果举例 | 第56-58页 |
| 6 基于决策树分类的数据挖掘方法应用 | 第58-72页 |
| ·决策树概述 | 第58-60页 |
| ·决策树的优缺点 | 第60-61页 |
| ·几种典型的决策树算法 | 第61-66页 |
| ·ID3 算法 | 第61-63页 |
| ·C4.5 算法 | 第63-65页 |
| ·CART 算法 | 第65-66页 |
| ·可伸缩性决策树算法设计 | 第66-69页 |
| ·算法的数据结构: | 第66-67页 |
| ·算法的结构与流程: | 第67-69页 |
| ·挖掘结果举例 | 第69-72页 |
| 7 结论 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-76页 |
| 附录 | 第76-78页 |
