声明
第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 单分类器算法
1.2.2 集成分类算法
1.2.3 客户流失预警
1.3 本文的主要研究工作和创新点
1.4 本文的组织结构
第2章 基础理论
2.1 算法基础理论
2.1.1 支持向量机(SVM)相关理论
2.1.2 决策树相关理论
2.1.3 LightGBM原理介绍
2.2 评估标准选择
2.2.1 F1值
2.2.2 PRC和ROC对比
2.2.3 ROC和AUC
2.3 本章小结
第3章 用户活跃性预测框架
3.1 数据来源和字段解释
3.2 用户活跃性预测框架整体流程
3.2.1 问题定义
3.2.2 建立模型
3.2.3 滑动窗口相关理论
3.2.4 数据预处理
3.3 特征工程
3.3.1 特征获取
3.3.2 特征选择
3.4 实验分析
3.4.1 清理“脏数据”对比实验
3.4.2 特征选择对比实验
3.5 本章小结
第4章 一种基于网格搜索思想的模型融合算法
4.1 研究动机
4.2 模型融合相关理论
4.2.1 平均法/投票法
4.2.2 加权平均法
4.3 网格搜索基本思想
4.4 算法描述
4.5 实验分析
4.6 本章小结
第5章 总结与展望
5.1 全文总结
5.2 后续展望
参考文献
作者简介及在学期间所取得的科研成果
致谢
吉林大学;
