基于决策树算法的客户流失预测系统的分析与研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-12页 |
| ·研究背景 | 第9-10页 |
| ·国内外研究发展的状况 | 第10-11页 |
| ·本文拟研究的内容 | 第11页 |
| ·本文的主要研究工作 | 第11-12页 |
| 第2章 数据挖掘理论综述 | 第12-25页 |
| ·知识发现介绍 | 第12-13页 |
| ·数据挖掘定义 | 第13-15页 |
| ·数据挖掘方法 | 第15-16页 |
| ·关联规则 | 第15页 |
| ·分类 | 第15页 |
| ·聚类 | 第15-16页 |
| ·预测型知识挖掘 | 第16页 |
| ·特异型知识挖掘 | 第16页 |
| ·数据挖掘模型 | 第16-19页 |
| ·典型的数据挖掘系统结构 | 第16-17页 |
| ·CRISP-DM(跨行业的数据挖掘标准) | 第17-19页 |
| ·分类模型的概念 | 第19-20页 |
| ·数据挖掘算法介绍 | 第20-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 决策树算法介绍 | 第25-35页 |
| ·决策树算法概念 | 第25页 |
| ·决策树的相关原理 | 第25-27页 |
| ·决策树的生成过程 | 第27-28页 |
| ·决策树剪枝算法 | 第28-30页 |
| ·常用决策树的生成算法 | 第30-34页 |
| ·ID3算法 | 第30-31页 |
| ·C4.5算法 | 第31-32页 |
| ·CART算法 | 第32-33页 |
| ·C5.0算法 | 第33页 |
| ·SLIQ算法和SPRINT算法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 客户流失模型的分析 | 第35-53页 |
| ·客户流失概念的商业理解 | 第35-36页 |
| ·数据来源 | 第36页 |
| ·数据描述 | 第36-40页 |
| ·数据预处理 | 第40-48页 |
| ·属性字段选取 | 第40-41页 |
| ·数据整合 | 第41页 |
| ·数据清洗 | 第41-43页 |
| ·属性转换 | 第43页 |
| ·属性离散化 | 第43-44页 |
| ·时间窗口 | 第44-45页 |
| ·数据预览 | 第45-48页 |
| ·建立客户流失预测模型 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 模型的验证与评估 | 第53-61页 |
| ·模型评估指标 | 第53-55页 |
| ·预测模型的评估 | 第55-60页 |
| ·本章小结 | 第60-61页 |
| 第6章 总结和展望 | 第61-63页 |
| ·全文总结 | 第61-62页 |
| ·未来展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |
