基于集成学习的数据库营销研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 课题的研究背景和意义 | 第8-10页 |
| 1.2 研究内容和创新点 | 第10页 |
| 1.2.1 研究内容 | 第10页 |
| 1.2.2 主要创新点 | 第10页 |
| 1.3 论文的组织结构 | 第10-12页 |
| 2 国内外研究现状 | 第12-21页 |
| 2.1 基于数据层面的研究现状 | 第13-14页 |
| 2.2 基于算法层面的研究现状 | 第14-16页 |
| 2.3 基于评价方法层面的研究现状 | 第16-19页 |
| 2.3.1 F-measure评价法 | 第17-18页 |
| 2.3.2 ROC曲线 | 第18-19页 |
| 2.4 本章小结 | 第19-21页 |
| 3 数据库营销优势及存在问题 | 第21-27页 |
| 3.1 数据库营销概述 | 第21-22页 |
| 3.2 数据库营销的优势 | 第22-23页 |
| 3.3 数据库营销存在的问题 | 第23-24页 |
| 3.4 数据类别不均衡的分类预测问题 | 第24-27页 |
| 3.4.1 类别不均衡数据问题概述 | 第24-25页 |
| 3.4.2 类别不均衡数据分类困难原因分析 | 第25-27页 |
| 4 基于集成学习的数据库营销模型 | 第27-40页 |
| 4.1 模型所使用的基本算法概述 | 第27-34页 |
| 4.1.1 K-means聚类 | 第27-29页 |
| 4.1.2 BP神经网络算法 | 第29-32页 |
| 4.1.3 集成学习方法 | 第32-34页 |
| 4.2 模型框架 | 第34-35页 |
| 4.3 数据预处理 | 第35-36页 |
| 4.4 有监督聚类 | 第36-38页 |
| 4.5 集成学习模型 | 第38-39页 |
| 4.6 本章小结 | 第39-40页 |
| 5 实证研究和结果分析 | 第40-49页 |
| 5.1 数据简介 | 第40-41页 |
| 5.2 用于比较的方法 | 第41-45页 |
| 5.2.1 SMOTE算法 | 第41-42页 |
| 5.2.2 FN欠采样算法 | 第42-43页 |
| 5.2.3 GA / ANN算法 | 第43-45页 |
| 5.3 评价准则 | 第45-46页 |
| 5.3.1 命中率 | 第45页 |
| 5.3.2 升力曲线 | 第45-46页 |
| 5.4 实证结果 | 第46-47页 |
| 5.5 本章小结 | 第47-49页 |
| 6 结论与展望 | 第49-51页 |
| 6.1 研究结论 | 第49-50页 |
| 6.2 工作展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 附录 作者在攻读硕士学位期间发表论文的目录 | 第57页 |
