客户流失预测理论与实证研究PDF电子书下载

第1章 绪论 1

1.1 研究背景和意义 1

1.2 客户流失管理的相关研究 3

1.2.1 客户流失影响因素分析 3

1.2.2 客户流失预测研究 6

1.3 商务智能的相关研究 13

1.3.1 商务智能的应用与研究发展 13

1.3.2 商务智能在中国的研究趋势分析 16

1.3.3 商务智能核心技术的研究 17

1.3.4 本节结论 22

1.4 本书研究的内容和方法 24

1.4.1 本书研究角度与内容 24

1.4.2 研究方法 24

1.5 本书结构安排 25

第2章 客户流失预测模型结构 27

2.1 引言 27

2.2 现用预测模型结构 27

2.3 新预测模型结构 29

第3章 客户流失管理策略模型 33

3.1 引言 33

3.2 Delta模型 34

3.3 客户流失管理策略模型 35

3.4 模型的验证和分析 37

3.5 模型进一步分析 44

第4章 客户流失数据的特征提取和属性选择4.1 引言 50

4.2 基于核主成分特征选择的客户流失预测研究 51

4.2.1 研究的出发点 51

4.2.2 核主成分分析理论 52

4.2.3 实证结果分析 55

4.3 基于信息增益属性选择的客户流失预测 58

4.3.1 研究的出发点 58

4.3.2 信息论基础 59

4.3.3 信息增益神经网络预测模型 62

4.3.4 实证结果分析 63

4.4 基于满意属性选择的客户流失预测 68

4.4.1 研究的出发点 68

4.4.2 满意属性的评价与选择 70

4.4.3 实证研究 74

第5章 客户流失预测模型 79

5.1 引言 79

5.2 基于支持向量机的客户流失预测模型 80

5.2.1 研究的出发点 80

5.2.2 机器学习 81

5.2.3 统计学习理论中VC维与模型推广性的界 84

5.2.4 支持向量机原理及算法 87

5.2.5 实证研究 91

5.3 改进的支持向量机在客户流失预测中的应用 96

5.3.1 研究的出发点 96

5.3.2 改进C-SVC 97

5.3.3 实证研究 100

5.4 基于简易支持向量机的客户流失预测研究 104

5.4.1 研究的出发点 104

5.4.2 简易支持向量机 105

5.4.3 实证研究 106

5.5 客户流失预测中两类错误的平衡控制研究 110

5.5.1 研究的出发点 110

5.5.2 客户流失预测中的两类错误 110

5.5.3 基于改进支持向量机的客户流失预测模型 112

5.5.4 实证研究 113

5.6 其他数据集的实证分析 116

5.7 改进的SVR在铁路客运量时间序列预测中的应用 123

5.8 基于支持向量机的综合评价方法研究 132

第6章 控制客户流失的策略研究 138

6.1 引言 138

6.2 客户流失类型 138

6.3 控制客户流失的策略制定原则 140

6.4 控制客户流失的策略 141

6.4.1 导致客户流失的受力分析 141

6.4.2 基于受力分析的控制客户流失的策略 142

第7章 其他方法 148

7.1 具有三角模糊数的多属性格序决策方法研究 148

7.2 基于协方差函数的非线性主成分分析 155

7.2.1 协方差函数与Mercer核函数的等价关系 156

7.2.2 基于协方差函数的非线性主成分分析 159

7.2.3 算例分析 160

7.2.4 讨论与结论 164

7.3 融合不变性特征的简易支持向量机 165

7.3.1 不变性特征的基本形式 166

7.3.2 融合不变性特征的简易支持向量机 167

7.3.3 实例仿真与结果 170

7.3.4 讨论和结论 172

7.4 基于组合特征的手写体数字识别方法 173

7.4.1 独立分量分析用于手写体数字特征提取 174

7.4.2 核主分量分析用于手写体数字特征提取 176

7.4.3 组合特征的构建方法 178

7.4.4 实验方法和结果 178

7.4.5 结论和讨论 180

7.5 基于格序的模糊综合评价方法研究 181

7.5.1 格 182

7.5.2 偏好关系的格序特征 183

7.5.3 模糊综合评价方法研究 183

7.5.4 算例 187

第8章 主要创新点与展望 191

8.1 本书的主要创新点 191

8.2 研究展望 192

参考文献 194

后记 217