Print

采用混合模型的电信领域用户流失预测

论文摘要

用户流失预测能够帮助公司减少客户的流失,对公司的营收和提高竞争力有重要意义。然而,由于电信领域数据的稀疏性和不平衡等问题,国内外对于电信领域的用户流失预测大多处于研究阶段,还没有真正应用到实际生产当中。提出了利用神经网络、机器学习与朴素随机过采样、投票相结合的混合模型来预测电信领域的流失用户。数据集使用的是KDD Cup 2009年比赛数据,该数据由法国电信运行商Orange公司提供。在十折交叉验证下,AdaBoost和Gradient Boosting一次投票分类后AUC值能够达到0.677 1,利用其他模型对混合模型预测出的流失用户清单进行二次投票分类,前200名高危流失用户的预测准确率能够达到31.8%。实验结果表明,朴素随机过采样和投票相结合有效提升了模型的准确性。

论文目录

  • 1 引言
  • 2 相关工作
  • 3 模型方法
  •   3.1 数据预处理
  •   3.2 朴素随机过采样（RandomOverSampler）
  •   3.3 一次投票分类（投票分类器）
  •   3.4 二次投票分类
  • 4 实验结果及分析
  •   4.1 实验数据
  •   4.2 评价标准
  •   4.3 实验结果
  • 5 结论

    • 文章来源

    类型: 期刊论文

    作者: 汪明达,周俏丽,蔡东风

    关键词: 神经网络,机器学习,朴素随机过采样,投票分类

    来源: 计算机工程与应用 2019年24期

    年度: 2019

    分类: 信息科技,经济与管理科学

    专业: 自动化技术,信息经济与邮政经济

    单位: 沈阳航空航天大学人机智能研究中心

    基金: 教育部人文社会科学研究一般项目（No.18YJA870020）,沈阳市科技计划（No.F16-086-8-00,No.17-111-2-00,No.Y17-1-022）

    分类号: F626;TP18

    页码: 214-221+270

    总页数: 9

    文件大小: 1740K

    下载量: 282

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/db07227acdd4e4c44b6b12e8.html