声明
1. 绪 论
1.1研究背景和研究意义
1.1.1研究背景
1.1.2研究意义
1.2文献综述
1.2.1传统的分类方法
1.2.2改进的分类方法
1.2.3 文献评述
1.3 研究思路和论文框架
2.相关理论与方法研究
2.1 数据挖掘中的分类问题
2.1.1 分类问题及分类器
2.1.2 分类器的组合
2.2客户流失预测方法比较研究
2.2.1决策树
2.2.2神经网络算法
2.2.3 SVM支持向量机
2.2.4逻辑回归
2.2.5遗传算法
2.2.6贝叶斯分类器
2.2.7方法的选择
2.3 随机森林算法
2.3.1 CART决策树
2.3.2 Bagging算法
2.3.3 随机森林
2.4本章小结
3.基于随机森林(RF)算法的客户流失预测模型的建立
3.1 数据预处理
3.1.1 数据描述
3.1.2 异常值的检验及剔除
3.1.3 样本同质性检验
3.2 基于随机森林(RF)算法的客户流失预测模型
3.2.1 RF模型参数的选择
3.2.2 RF模型的建立
3.2.3 模型结果及RF模型的检验
3.3 本章小结
4. 流失客户的维系挽留分析
4.1客户价值细分
4.1.1客户价值细分问题
4.1.2 RFM模型
4.1.3 K-means算法
4.2 流失客户的价值评定
4.2.1 流失客户的RFM计算及标准化处理
4.2.2 基于K-means算法和RFM模型的流失客户价值细分
4.3 流失客户的综合价值分析
4.4本章小结
5. 总结及展望
5.1本文所作工作总结
5.2 不足及展望
(1)本文工作的不足
(2)客户流失预测的未来研究方向
参考文献
附录一
附录二
后记
兰州财经大学;