客户流失预测理论与实证研究pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

客户流失预测理论与实证研究PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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