基于昆明电信的客户流失分析
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| ·电信行业的发展背景 | 第8-9页 |
| ·电信行业的信息系统现状 | 第9-10页 |
| ·论文的项目研究背景、研究内容及意义 | 第10-12页 |
| 第二章 研究的主要内容及拟采取的主要技术路线 | 第12-16页 |
| ·论文的主要内容 | 第12-13页 |
| ·拟采用的技术路线 | 第13-14页 |
| ·主要的技术关键 | 第14-16页 |
| 第三章 PAS客户流失分析主题数据仓库模型 | 第16-24页 |
| ·PAS客户流失分析主题的概念模型设计 | 第16-17页 |
| ·PAS客户流失分析主题的逻辑模型设计 | 第17-22页 |
| ·实体关系建模 | 第17-18页 |
| ·维度建模 | 第18-22页 |
| ·PAS客户流失分析主题的物理模型设计 | 第22-24页 |
| 第四章 数据的采集和清理 | 第24-44页 |
| ·ETL模型 | 第24-25页 |
| ·年龄数据的噪音清除 | 第25-26页 |
| ·年龄数据的补全过程概述 | 第26页 |
| ·对属性类型的数据采用因子方差分析 | 第26-35页 |
| ·单因子方差分析算法 | 第26-30页 |
| ·单因子方差分析结果 | 第30-34页 |
| ·交互作用分析 | 第34-35页 |
| ·对数值型的数据进行相关性分析 | 第35-37页 |
| ·对年龄按区间进行分类 | 第37-38页 |
| ·用判别分析法对不同类别的数据进行年龄预测 | 第38-44页 |
| ·判别分析方法的选择 | 第38-41页 |
| ·距离判别法 | 第41-43页 |
| ·对未知年龄的预测 | 第43-44页 |
| 第五章 PAS客户流失主题分析中的数据挖掘 | 第44-67页 |
| ·PAS流失客户样本数据的采集 | 第44-46页 |
| ·利用OLAP创建样本集 | 第44-45页 |
| ·OLAP验证目标维变量 | 第45-46页 |
| ·数据挖掘宽表的设计与生成 | 第46-51页 |
| ·PAS客户流失分析中的聚类模型 | 第51-60页 |
| ·迭代的平方误差分区聚类 | 第51页 |
| ·PAS客户流失中的聚类分析 | 第51-53页 |
| ·聚类与因子统计分析方法的结合使用 | 第53-56页 |
| ·特征分量聚类对客户流失的影响频度 | 第56-60页 |
| ·PAS客户流失分析中的决策树模型 | 第60-67页 |
| ·决策树算法思想及构造方法 | 第60-61页 |
| ·PAS客户流失分析的决策树模型 | 第61-64页 |
| ·聚类对决策树的指导生成 | 第64-67页 |
| ·聚类结果对确定决策树节点的指导 | 第64页 |
| ·聚类结果对确定决策树节点值的指导 | 第64-66页 |
| ·领域知识对决策树的指导 | 第66-67页 |
| 第六章 结束语 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·展望和下一步工作 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-72页 |
