1. 毕业设计（论文）的内容和要求
信息时代，面对激烈的市场竞争，企业客户关系管理显得尤为重要。
对客户进行准确分群并准确预测可能流失的客户群，将对企业提供制定个性化的服务方案提供措施依据，从而减少利润流失，提高企业竞争力。
分类和预测是机器学习方法的主要功能，本课题将针对企业客户实际数据，利用聚类方法对客户进行分群，遴选出不同价值含量的客户，同时利用决策树方法对现有客户流失情况进行预测，并对计算结果进行分析，对不同客户提出相应的营销策略。
2. 参考文献
参考文献：[1] 冀薇. 基于 K-均值算法的客户分类研究[J]. 仪器仪表与分析监测, 2019(3):20-27.[2] 辜俊莹, 李明东. 基于聚类分析的银行客户分类[J].科技经济导刊, 2019, 27(20):14-15.[3] 闫春,孙海棠,李亚琪. 基于随机森林与RFM模型的财险客户分类管理研究[J].科技与经济, 2018,31(181):56-60[4] 贾应丽. 大数据背景下的客户关系管理研究[J].电子商务, 2018,(2): 5-10.[5] 杜丽英. 决策树C4.5算法在客户分类中的应用研究[J].制造业自动化, 2014,36(11):23-50.[6] 周捷,严建峰,杨璐 等. LSTM 模型集成方法在客户流失预测中的应用,2019,36(11):39-46.[7] 徐子伟,王鹏,陈宗海. 一种基于Fisher比率和预测风险准则的电信客户流失预测分步特征选择方法[J]. 中国科学技术大学学报，2017,47（8）：686-694.[8] 丁君美,刘贵全,李慧. 改进随机森林算法在电信业客户流失预测中的应用模式识别与人工智能. 2015,28(11):1041-1049.[9] 余路. 电信客户流失的组合预测模型[J].华侨大学学报（自然科学版）, 2016,37(5):637:640.[10] 张利利, 马艳琴. 基于数据挖掘技术的航空客户流失与细分研究及Ｒ语言程序实现[J].数学的实践与认识,2019,49(6):134-142.[11]Breiman, Leo. Random Forests[J]. Machine Learning 45 (1), 5-32, 2001.[12]J. Ross Quinlan. Induction of decision trees[J]. Machine Learnin, 1(1): 81-106, 1986.[13]J. Ross Quinlan. C4.5: Programs for Machine Learning[M].. Morgan Kaufmann, San Francisco, CA, 1993.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
