基于机器学习分类算法的品牌数字营销
| 中文摘要 | 第10-12页 |
| Abstract | 第12-13页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景 | 第14-16页 |
| 1.1.1 时代背景 | 第14-15页 |
| 1.1.2 网购成为时代主流 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.3 研究目的与意义 | 第18页 |
| 1.4 研究目标与内容 | 第18-19页 |
| 1.4.1 研究目标 | 第18页 |
| 1.4.2 研究内容 | 第18-19页 |
| 1.5 研究思路和方法 | 第19-20页 |
| 第二章 理论基础 | 第20-28页 |
| 2.1 数据层面 | 第20页 |
| 2.2 算法层面 | 第20-25页 |
| 2.2.1 Logistic回归 | 第20-21页 |
| 2.2.2 随机森林 | 第21-23页 |
| 2.2.3 Xgboost | 第23-25页 |
| 2.3 性能度量层面 | 第25-26页 |
| 2.3.1 错误率与精度 | 第25-26页 |
| 2.3.2 查准率与查全率 | 第26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 电商用户特征 | 第28-40页 |
| 3.1 数据集的选取 | 第28-30页 |
| 3.2 数据预处理 | 第30页 |
| 3.3 消费者的基本类型分析 | 第30-34页 |
| 3.3.1 消费者基本属性分析 | 第30-32页 |
| 3.3.2 消费者行为分析 | 第32-34页 |
| 3.4 消费者属性间相关关系 | 第34-36页 |
| 3.4.1 相关关系的定义和计算 | 第34-35页 |
| 3.4.2 消费者之间的相关关系 | 第35-36页 |
| 3.5 使用传统方法(卡方)建模 | 第36-38页 |
| 3.5.1 卡方简介 | 第36-38页 |
| 3.5.2 初始数据集检验及推断 | 第38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 机器学习分类算法建模及预测 | 第40-50页 |
| 4.1 数据建模及调参 | 第40-47页 |
| 4.1.1 Logistic回归建模 | 第40-44页 |
| 4.1.2 随机森林建模 | 第44-47页 |
| 4.1.3 Xgboost建模 | 第47页 |
| 4.2 噪声鲁棒性 | 第47-48页 |
| 4.3 模型预测及检验 | 第48页 |
| 4.4 本章小结 | 第48-50页 |
| 第五章 总结与展望 | 第50-54页 |
| 5.1 研究总结 | 第50-51页 |
| 5.2 不足与展望 | 第51-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 个人简介及联系方式 | 第60-61页 |
