| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 母婴互联网的背景以及研究意义 | 第8-9页 |
| 1.1.2 数据挖掘的背景及研究意义 | 第9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.2.1 母婴APP使用现状 | 第9-10页 |
| 1.2.2 数据挖掘技术研究现状 | 第10页 |
| 1.3 本文框架 | 第10-12页 |
| 第二章 母婴互联网用户人群数据的提取和处理 | 第12-16页 |
| 2.1 数据维度提取 | 第12-13页 |
| 2.2 数据处理 | 第13-16页 |
| 2.2.1 去掉脏数据 | 第13页 |
| 2.2.2 插补缺失值 | 第13-14页 |
| 2.2.3 数据归一化 | 第14-16页 |
| 第三章 预备知识 | 第16-21页 |
| 3.1 多元线性回归分析 | 第16页 |
| 3.2 多元线性回归模型的一般形式 | 第16页 |
| 3.3 多元线性回归模型的检验 | 第16-17页 |
| 3.3.1 回归方程的假设检验 | 第16-17页 |
| 3.4 回归变量的选择方法 | 第17-19页 |
| 3.4.1 全局择优法 | 第17-18页 |
| 3.4.2 变量选择的常用准则 | 第18-19页 |
| 3.5 朴素贝叶斯分类 | 第19-21页 |
| 3.5.1 贝叶斯定理 | 第19-20页 |
| 3.5.2 朴素贝叶斯分类 | 第20-21页 |
| 第四章 多元线性回归的变量选择和朴素贝叶斯分类器的实现 | 第21-29页 |
| 4.1 对原始变量进行多元线性回归 | 第21-23页 |
| 4.1.1 对变量显著性检验 | 第21-23页 |
| 4.2“最优”回归方程的选择 | 第23-26页 |
| 4.3 对原始数据和变量选择后的数据进行朴素贝叶斯分类 | 第26-29页 |
| 第五章 总结与展望 | 第29-30页 |
| 参考文献 | 第30-32页 |
| 致谢 | 第32页 |