| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 电信客户流失预测的国内外研究进展 | 第9-13页 |
| 1.2.1 电信客户流失原因分析 | 第9-10页 |
| 1.2.2 电信客户流失预测属性的选取 | 第10-11页 |
| 1.2.3 电信客户流失预测算法模型的选取 | 第11-13页 |
| 1.3 数据挖掘在电信行业的应用现状 | 第13-15页 |
| 1.4 论文研究内容 | 第15页 |
| 1.5 论文的结构安排 | 第15-18页 |
| 2 相关概念与技术 | 第18-30页 |
| 2.1 数据挖掘的概念 | 第18页 |
| 2.2 数据挖掘的任务 | 第18-19页 |
| 2.3 跨行业数据挖掘标准过程 — CRISP-DM | 第19-22页 |
| 2.4 常用的数据挖掘工具 | 第22页 |
| 2.5 用于分类预测的常用数据挖掘算法 | 第22-29页 |
| 2.5.1 决策树 | 第22-26页 |
| 2.5.2 神经网络 | 第26-27页 |
| 2.5.3 支持向量机 | 第27-28页 |
| 2.5.4 贝叶斯网络 | 第28-29页 |
| 2.5.5 Logistic回归 | 第29页 |
| 2.6 本章小结 | 第29-30页 |
| 3 不平衡数据分类问题的研究 | 第30-38页 |
| 3.1 不平衡数据的处理方法研究 | 第30-31页 |
| 3.2 本文针对不平衡数据的处理方法 | 第31-32页 |
| 3.3 不平衡数据分类的评价指标 | 第32-33页 |
| 3.4 不平衡数据建模的实验分析 | 第33-37页 |
| 3.4.1 C5.0 决策树 | 第33-34页 |
| 3.4.2 神经网络 | 第34-35页 |
| 3.4.3 Logistic回归 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 采用组合预测方法进行电信客户流失预测分析 | 第38-50页 |
| 4.1 组合预测的原理 | 第38-39页 |
| 4.2 组合预测系数的确定 | 第39-40页 |
| 4.3 项目需求背景 | 第40页 |
| 4.4 利用组合预测方法进行电信客户流失预测 | 第40-47页 |
| 4.4.1 商业理解 | 第40-41页 |
| 4.4.2 数据理解 | 第41页 |
| 4.4.3 数据准备 | 第41-45页 |
| 4.4.4 建立模型 | 第45-46页 |
| 4.4.5 模型评估 | 第46-47页 |
| 4.4.6 模型应用 | 第47页 |
| 4.5 本章小结 | 第47-50页 |
| 5 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 附录 | 第60页 |