基于数据挖掘的网购用户流失预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-14页 |
| ·研究背景和意义 | 第11-12页 |
| ·本文的主要工作 | 第12-14页 |
| ·研究思路 | 第12页 |
| ·研究内容 | 第12-14页 |
| 第2章 客户流失研究现状分析 | 第14-19页 |
| ·客户流失预测方法介绍 | 第14-17页 |
| ·基于决策树算法的客户流失预测 | 第14-15页 |
| ·基于逻辑回归的客户流失预测 | 第15-16页 |
| ·基于贝叶斯网络的流失预测研究 | 第16页 |
| ·基于支持向量机的客户流失预测模型 | 第16-17页 |
| ·本文的研究动机 | 第17-19页 |
| ·当前研究存在的不足 | 第17页 |
| ·本文的研究特色与创新 | 第17-19页 |
| 第3章 基本理论方法与技术 | 第19-30页 |
| ·客户关系管理 | 第19-20页 |
| ·客户关系管理理论介绍 | 第19-20页 |
| ·用于预测的数据挖掘技术 | 第20-26页 |
| ·决策树模型 | 第20-21页 |
| ·迭代决策树算法 | 第21-23页 |
| ·逻辑斯蒂回归算法 | 第23-25页 |
| ·正则化 | 第25-26页 |
| ·离群点检测 | 第26-27页 |
| ·特征标准化 | 第27页 |
| ·特征的正态变换 | 第27-28页 |
| ·特征再处理 | 第28-30页 |
| 第4章 电子商务网站用户购买行为预测模型 | 第30-38页 |
| ·用户网购行为的基本分析 | 第30-32页 |
| ·网购用户的含义 | 第30-32页 |
| ·网购用户购物流程 | 第32页 |
| ·网购用户行为数据的来源 | 第32-34页 |
| ·特征选择 | 第34-35页 |
| ·用迭代决策树模型来处理连续特征 | 第35-37页 |
| ·逻辑斯蒂回归预测模型 | 第37-38页 |
| 第5章 天猫用户在线购买行为实证分析预测 | 第38-47页 |
| ·数据来源与描述 | 第38-39页 |
| ·数据集划分 | 第39页 |
| ·数据预处理 | 第39-41页 |
| ·特征选择 | 第41-44页 |
| ·时间维度划分 | 第41-42页 |
| ·特征维度划分 | 第42-44页 |
| ·模型训练和结果评估 | 第44-47页 |
| ·模型训练 | 第44页 |
| ·模型评价 | 第44-47页 |
| 第6章 全文工作总结与展望 | 第47-51页 |
| 参考文献 | 第51-54页 |
| 作者简介及在学期间科研成果 | 第54-55页 |
| 致谢 | 第55页 |
