基于客户流失预测的特征选择

特征选择是数据预处理的一个重要手段,本文介绍了特征选择的几种常用方法：过滤法,封装法及这两种方法的混合,最后结合客户流失预测这个特定的问题提出适当的方法。     

基于蚁群算法的成本敏感线性集成多分类器的客户流失研究

针对电信客户流失预测问题的复杂性,融合自组织神经网络良好的连续属性值离散化优势、粗糙集理论出色的属性约简功能和蚁群优化算法全局的随机搜索特点,在模型集成技术和成本敏感学习理论的基础上,提出了一种新的基于蚁群算法的成本敏感线性集成多分类器的电信客户流失预测模型。构建该集成模型可分为4个阶段:(1)连续属性值的离散处理:利用自组织神经网络对连续属性值进行非监督离散化处理;(2)原始属性集的约简处理:使用粗糙集理论按属性重要性原则对离散属性进行约简;(3)子分类器的建立:分别使用NaiveBayes、Logistic回归、多层感知器和决策树等4种差异性很大的分类技术在约简属性集上建立4个对应的客户流失预测子分类器;(4)子分类器的集成:基于成本敏感学习理论,构建了4种不同的线性集成模型,采用蚁群优化算法求解集成模型的最优线性组合权重系数。将该模型应用于某电信客户流失预测,其实验结果表明该集成方法是可行且有效的。     

基于CART和自适应Boosting算法的移动通信企业客户流失预测模型

客户流失问题一直以来都受到企业的重视,如何有效预测流失客户是一个重要课题。本文通过对某通信企业原始数据进行严格的数据预处理,以及利用直方图检验和卡方检验相结合的方法对模型变量进行筛选,同时采用抽样的方法选取出模型的训练样本和测试样本,并利用分类回归树算法和自适应Boosting算法生成相应的强分类器模型,仿真实验结果表明本文使用的模型在预测该通信企业的离网客户中具有较高的准确性,从模型的ROC曲线可知,该模型是一个比较理想的分类模型。另外,本文通过与其他两个模型的预测结果进行比较发现本文的集成模型具有更好的预测性能。     

基于满意属性选择的客户流失预测

针对已有属性选择方法较少考虑属性获取代价和属性集维数的自动确定问题,提出一种满意属性选择方法(SASM),将样本分类性能、属性集维数和属性提取复杂性等多种因素综合考虑.给出了属性满意度和属性集满意度定义,设计出满意度函数,导出满意属性集评价准则,详细描述了属性选择算法.对某电信公司客户流失预测的实证结果显示,SASM获得的命中率、覆盖率、准确率和提升系数高于属性相关性选择法、一致性选择法、实例选择法和对称不确定性选择法.证实了SASM的有效性和实用性.     

基于粗糙集理论-神经网络-蜂群算法集成的客户流失研究

针对电信客户流失问题的复杂性,融合粗糙集理论、神经网络和蜂群算法的优势,提出了一种新的客户流失预测模型——基于粗糙集理论、神经网络和蜂群算法线性集成多分类器的客户流失预测模型。首先利用自组织神经网络(SOM)对连续属性值进行非监督离散化处理;接着使用粗糙集方法(RS)对离散属性进行约简;然后分别使用BP神经网络、RBF神经网络、ELMAN神经网络和广义回归神经网络(GRNN)在约简属性集上建立4个子分类器;最后使用模型集成法对4个子分类器进行线性集成,并采用人工蜂群(ABC)算法优化线性组合的权重。将该模型应用于某电信客户流失,实验结果表明该集成方法是可行且有效的。     

随机森林方法及其在客户流失预测中的应用研究

在全球化的市场竞争中,企业如何利用现有资源,提高客户满意度,保住现有客户,已成为企业面临的主要问题,客户流失预测越来越受到企业关注。本文针对实际客户流失数据中正负样本数量不平衡而且数据量大的特点,提出一种改进的平衡随机森林算法,并将其应用于某商业银行的客户流失预测。实际数据集测试结果表明,与传统的预测算法比较,这种算法集成了抽样技术和代价敏感学习的优点,适合解决大数据集和不平衡数据,具有更高的精确度。     

基于多分类器动态选择与成本敏感优化集成的电信客户流失预测研究

针对不同样本在特征空间中具有不同的区域特性和不同分类算法之间的预测互补性,在电信客户流失预测理论基础上,融合多分类器动态集成理论和成本敏感学习理论,建立了电信客户流失多分类器集成预测的利润函数,并提出了一类新的基于多分类器动态选择与成本敏感优化集成的电信客户流失预测模型.首先使用K均值聚类法聚类训练样本成多个分区;接着使用NaiveBayes算法、多层感知机算法和J48算法在各分区样本上构建客户流失预测子分类器;最后使用改进人工鱼群算法分别对各分区的子分类器进行成本敏感优化集成.实验结果表明,所提出的基于多分类器动态选择与成本敏感优化集成模型的分类性能不仅优于由训练集全体样本所构建的3个单模型,也优于基于改进人工鱼群算法优化集成这3个单模型而得到的集成模型.     

基于改进支持向量机的电信客户流失预测模型

随着电信业改革的深入和竞争的加剧,电信企业的客户流失率逐步攀升,如何预测并有效减少客户流失直接关系到电信企业的生存和发展.流失客户在客户总体中占比例较低,因此电信客户数据集中存在明显的非平衡数据问题,传统的客户流失预测把客户流失作为普通的模式识别问题处理,建立基于普适机器学习的预测模型.在两类错误的错分代价相差较大的情况下,基于普适机器学习的预测模型缺乏实用价值,因此引入代价敏感学习理论建立了基于改进支持向量机的电信客户流失预测模型,将不同的错分代价纳入建模过程,有效的提高了模型的预测性能.     

大数据环境下客户购买行为预测

大数据环境下,随着企业间的竞争加剧,企业越来越意识到客户购买行为预测的重要性。主要采用改进的决策树模型对客户购买行为进行预测,并通过对优化前后的效果对比分析,验证了改进后的算法在客户购买行为预测上的有效性和高效率。以Teradata软件为例,介绍了决策树模型在大数据背景下的应用,阐述了决策树模型在大数据情况下的用法和应该注意的问题。     

基于软件方法对电信行业用户流失的实证研究与预测

本文通过对移动通信运营商用户流失相关数据的定量分析,研究导致运营商用户流失的主要因素,并通过软件方法发现具有类似流失前行为的用户,预测流失规模。实证研究结果表明,通信网络质量对于用户流失的影响作用明显,应用软件模型预测用户流失准确率可达83%以上。以上初步研究结论和结果,对于帮助移动通信运营商在日趋激烈的市场竞争环境中及时监测用户流失率和保持竞争优势有重要的理论和实践应用意义。     

面向CRM的动态质量体系管理数据的模型

以ISO9000质量管理体系为背景,本文详细地分析了企业质量体系管理的信息层次结构与流程,针对质量体系的制定、改版以及质量持续改进,研究了质量体系管理对数据模型的复用性、可引用性与可回朔性的要求,讨论了现有质量管理信息系统的局限性,提出了动态质量体系管理数据模型,给出了模型的结构和功能,总结了所提模型的特点。最后,给出了实例分析。     

群决策中基于二元语义的主客观权重集成方法

针对一类属性值和属性权重信息均以语言评价信息形式给出的多属性群决策问题,提出了一种基于二元语义信息处理的主客观属性权重集成方法.首先运用二元语义集成算子计算属性的主观权重,然后给出一种基于最小偏差的属性客观权重计算方法,该方法根据决策者给出的语言决策矩阵计算决策群体对属性判断的偏差,偏差越大,表明决策者对该属性评价意见的分歧越大,则应赋给该属性越小的权重值,以提高群体意见的一致性.在此基础上,对属性的主、客观权重信息进行集成,得到属性综合权重.最后通过算例说明了该方法的有效性和实用性.     

一种决策者判断一致性的聚类方法

对于产量为模糊区间数的生产计划群决策问题,考虑不同产品生产的优先度和决策者权重对决策者判断一致性度量的影响,给出了相对加权一致度的一种计算方法。当群决策的结果不一致时,提出了依据相对加权一致度对决策者进行聚类的方法,并给出了每一类决策者决策结果的综合方法。最后通过算例说明了方法的应用过程。     

基于社交网络分析的区间二元语义群决策方法研究

通过基于Steiner点的区间二元语义集结方法,将评价信息通过相关转化规则量化为对应的二维坐标系中的坐标点集,运用植物模拟生长算法获取对应区间点集的Steiner点(专家群体最优结集点,即群体共识点),按照逆映射关系还原为二元语义集结信息,从而提出一种基于社交网络分析和专家自信偏好关系的区间二元语义群决策问题的新方法。结合专家自信程度系数和社交网络结构中的影响力调整专家主观权重,结合专家相对重要系数与群体相似度系数获取客观权重,最终确定专家综合权重,并对方案进行择优排序。通过算例分析说明方法的可行性和有效性。     

一种主客方协作式群体评价方法及其应用

传统的群体评价方法均不考虑被评价对象的参与,针对这种不足,本文提出了一种新的群体评价方法--主客方协作式群体评价方法。文章首先对主客方协作式群体评价的过程进行了描述;其次,给出了基于密度算子的主方信息集结方法,以得出主方评价结论;然后,以主方评价结论为依据,在规则指导下对客方信息进行调整,并得出客方评价结论;最后,对主方评价结论与客方评价结论进行集结,得出最终的评价结果。     

一种新的基于双前沿面的交叉效率方法及其应用

本文将双前沿面效率评价的思想引入到传统交叉效率模型中,同时,针对双前沿面交叉效率方法中仁慈型和激进型交叉效率策略无法抉择,以及这两种交叉效率策略的应用范围有限的不足,提出了一种新的基于双前沿面的交叉效率方法。该方法的基本思想是选取一个理想决策单元和负理想决策单元,使用被评价决策单元的权重来计算理想决策单元和负理想决策单元的效率,并使被评价决策单元的效率尽可能接近理想解的效率,同时,尽可能远离负理想解的效率。根据该思想,分别在乐观前沿面和悲观前沿面下求解交叉效率值并进行集结,避免了由于前沿面的选择不同导致的差异以及决策者对仁慈型和激进型交叉效率策略进行抉择的困难。最后,将本文方法与现有方法进行对比分析,并将本文方法应用于我国东部地区10个省(直辖市)的创新效率评价中,以验证方法的有效性。     

基于满意度BLP-DEA的区域可持续发展系统效率评价研究

为了实现生态环境保护与社会经济发展的动态平衡,在对环境造成的损害最少的情况下同时获得最大的社会经济效益,是实现可持续发展的紧迫和关键问题。本文以生态子系统为上层(Leader)、经济-社会子系统为下层(Follower),构建考虑可持续发展的评价系统。通过引入公共权重、区间效率和满意度,构建基于max-min满意度的双层规划数据包络模型(BLP-DEA),并将其应用于中国省际可持续发展系统的效率评价与满意度研究。结果表明：(1) 相比于BLP-DEA模型,本文构建的基于满意度BLP-DEA模型是一种令大多数决策单元能够接受自身效率值结果的评价方法,因此导致中国整体经济-社会子系统效率值相较于生态子系统效率值偏低。(2)在满足全局可持续发展系统满意度最大化的前提下,各地区的效率值体现出显著的地域性特征,其中生态子系统效率值以西部地区最优,经济-社会子系统效率值以东部地区最优,可持续发展系统综合效率值以东部地区最优。     

基于Vague集和属性综合评价的股票投资价值分析方法

对二级市场上同一行业内的不同股票进行投资价值分析是一个系统综合评价问题。本文从评价指标的选择、单项指标的评价、多项指标的综合评价和属性识别准则四部分来阐述属性测度理论在股票投资价值分析中的应用。特别需要指出的是,股票投资价值评价指标体系的建立和指标权重的确定应用了Vague集的理论和方法。最后,我们应用属性综合评价方法对电子元器件制造业的公司股票进行投资价值分析,结果验证了该方法的实用性和正确性。