| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 电信行业下基于数据挖掘的精准营销的发展及研究现状 | 第11-15页 |
| 1.2.1 精准营销的目的 | 第11页 |
| 1.2.2 基于数据挖掘的精准营销的基本流程 | 第11-13页 |
| 1.2.3 电信行业下数据挖掘的应用场景及国内外研究现状 | 第13-15页 |
| 1.3 数据挖掘相关技术背景 | 第15-18页 |
| 1.3.1 数据挖掘概念 | 第15-16页 |
| 1.3.2 数据挖掘的主要应用方向 | 第16-18页 |
| 1.4 本文工作及组织结构 | 第18-20页 |
| 第二章 属性选择和数据预处理 | 第20-29页 |
| 2.1 引言 | 第20页 |
| 2.2 基于信息增益的属性选择与数据预处理 | 第20-24页 |
| 2.2.1 属性选择简介 | 第20-22页 |
| 2.2.2 基于信息增益率的属性选择方法 | 第22-23页 |
| 2.2.3 移动数据下基于信息增益的属性选择 | 第23-24页 |
| 2.3 数据集构建和数据预处理 | 第24-28页 |
| 2.3.1 数据集构建 | 第24-26页 |
| 2.3.2 数据预处理 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于KNN和聚类的欠采样方法 | 第29-46页 |
| 3.1 引言 | 第29页 |
| 3.2 不均衡数据集分类 | 第29-31页 |
| 3.2.1 数据不均衡的基本概念及相关问题 | 第29-30页 |
| 3.2.2 现有数据不均衡处理方法 | 第30-31页 |
| 3.3 基于KNN的边界过滤算法 | 第31-38页 |
| 3.3.1 KNN算法简介 | 第32-33页 |
| 3.3.2 基于KNN的边界过滤策略 | 第33-38页 |
| 3.4 基于聚类的分层抽样算法 | 第38-43页 |
| 3.4.1 聚类思想 | 第39-40页 |
| 3.4.2 基于聚类的大类欠采样算法 | 第40-43页 |
| 3.5 实验 | 第43-45页 |
| 3.5.1 实验设置 | 第43页 |
| 3.5.2 实验结果 | 第43-44页 |
| 3.5.3 实验分析 | 第44-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 换机分类模型构建及优化 | 第46-59页 |
| 4.1 引言 | 第46页 |
| 4.2 基于C4.5的潜在换机用户挖掘算法 | 第46-49页 |
| 4.2.1 决策树分类算法简介 | 第46-48页 |
| 4.2.2 基于C4.5的换机潜在用户换机模型建模 | 第48-49页 |
| 4.3 基于RANDOM FOREST的换机模型优化 | 第49-54页 |
| 4.3.1 集成学习算法简介 | 第50-52页 |
| 4.3.2 基于Random Forest的集成换机模型构建 | 第52-54页 |
| 4.4 二级分类器 | 第54-56页 |
| 4.5 实验 | 第56-58页 |
| 4.5.1 实验设置 | 第56页 |
| 4.5.2 实验结果 | 第56-57页 |
| 4.5.3 实验分析 | 第57-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 本文工作总结 | 第59页 |
| 5.2 不足与展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 附录 | 第65-66页 |
