第一章 绪论 1
第一节 数据挖掘中的分类预测 1
第二节 分类预测与经济管理决策 5
第二章 数据预处理 9
第一节 数据预处理的重要性 9
第二节 数据清洗 10
第三节 特征约简 13
第四节 本章小结 25
第三章 分类预测方法简介 27
第一节 贝叶斯分类 27
第二节 Logistic回归 30
第三节 决策树 36
第四节 人工神经网络 40
第五节 支持向量机 47
第六节 K-近邻法 53
第七节 本章小结 57
第四章 支持向量机与Logistic回归集成的分类预测 58
第一节 支持向量机相关研究 58
第二节 估计支持向量机的误分频率 60
第三节 支持向量机与Logistic回归集成 63
第四节 实验计算结果 64
第五节 本章小结 66
第五章 基于分类预测技术的财务困境预测 67
第一节 财务困境预测的概念 67
第二节 财务困境预测候选指标集合 70
第三节 财务困境预测的实证研究 72
第四节 财务困境中长期预测 77
第五节 考虑企业相对效率的财务困境预测 85
第六节 基于组合分类方法的财务困境预测 93
第七节 本章小结 97
第六章 基于组合分类预测的消费者个人信用评估 104
第一节 消费者个人信用评估的概念及意义 104
第二节 消费者个人信用评估模型 106
第三节 组合分类预测方法 107
第四节 实证研究结果 109
第五节 本章小结 111
第七章 基于分类预测技术的数据库营销 112
第一节 数据库营销的概念和意义 112
第二节 消费者异质性对数据库营销的影响 113
第三节 一种改进的K-近邻法 116
第四节 计算结果及分析 122
第五节 基于组合分类的数据库营销 127
第六节 本章小结 129
第八章 分类预测方法研究进展 131
第一节 半监督学习 131
第二节 集成学习 145
第三节 本章小结 151
参考文献 153