基于数据挖掘的电信客户保留和流失研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 引言 | 第6-9页 |
| 1.1 研究背景 | 第6-7页 |
| 1.2 国内外研究现状 | 第7-8页 |
| 1.3 研究的主要内容及取得的成果 | 第8页 |
| 1.4 论文组织结构 | 第8-9页 |
| 第2章 数据挖掘技术理论 | 第9-15页 |
| 2.1 数据挖掘概念 | 第9页 |
| 2.2 数据挖掘的任务 | 第9-10页 |
| 2.3 数据挖掘研究方向 | 第10-11页 |
| 2.4 数据挖掘算法 | 第11-12页 |
| 2.4.1 基于K-mean算法的聚类分析 | 第11-12页 |
| 2.4.2 基于C5.0 决策树算法 | 第12页 |
| 2.5 数据挖掘过程 | 第12-15页 |
| 第3章 客户细分 | 第15-20页 |
| 3.1 客户细分的意义 | 第15-16页 |
| 3.2 客户分群方法 | 第16页 |
| 3.3 客户细分模型建立 | 第16-20页 |
| 3.3.1 细分变量的选择 | 第16页 |
| 3.3.2 客户细分的数据挖掘过程 | 第16-20页 |
| 第4章 客户流失监控 | 第20-37页 |
| 4.1 业务理解 | 第21页 |
| 4.2 数据理解 | 第21-26页 |
| 4.3 数据准备、清理和预处理 | 第26-33页 |
| 4.4 建立模型 | 第33-34页 |
| 4.5 模型评估 | 第34-36页 |
| 4.6 模型发布 | 第36-37页 |
| 第5章 结论与展望 | 第37-38页 |
| 5.1 结论 | 第37页 |
| 5.2 进一步工作的方向 | 第37-38页 |
| 致谢 | 第38-39页 |
| 参考文献 | 第39-41页 |
