基于數(shù)據(jù)挖掘的電信客戶(hù)流失研究

《基于數(shù)據(jù)挖掘的電信客戶(hù)流失研究》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、分類(lèi)號(hào)：學(xué)校代碼：10373密級(jí)：學(xué)號(hào)：11012081201碩士學(xué)位論文題目：基于數(shù)據(jù)挖掘的電信客戶(hù)流失研究論文作者任逸卿指導(dǎo)教師朱昌杰專(zhuān)業(yè)名稱(chēng)計(jì)算機(jī)軟件與理論研究方向人工智能與數(shù)據(jù)挖掘?qū)W位類(lèi)別工學(xué)碩士淮北師范大學(xué)研究生處二○一三年五月基于數(shù)據(jù)挖掘的電信客戶(hù)流失研究基于數(shù)據(jù)挖掘的電信客戶(hù)流失研究摘要：隨著電信行業(yè)競(jìng)爭(zhēng)的加劇，客戶(hù)流失分析與預(yù)測(cè)已經(jīng)成為客戶(hù)關(guān)系管理的重要內(nèi)容。電信客戶(hù)行為數(shù)據(jù)的特征呈現(xiàn)出高維度、數(shù)據(jù)偏斜、非線(xiàn)性。傳統(tǒng)的方法難以消除數(shù)據(jù)之間的冗余以及找到線(xiàn)性規(guī)律，使得預(yù)測(cè)正確率較低。同時(shí)開(kāi)發(fā)系統(tǒng)過(guò)程繁雜，收益偏低，挽留客戶(hù)成本過(guò)高。本文從以

2、解決以上問(wèn)題為出發(fā)點(diǎn)，主要研究基于支持向量機(jī)的客戶(hù)流失預(yù)警模型。支持向量機(jī)的算法復(fù)雜度隨著樣本數(shù)據(jù)維度和樣本總數(shù)量的增加成幾何數(shù)增長(zhǎng)。針對(duì)這個(gè)問(wèn)題，提出了一種改進(jìn)的支持向量機(jī)分類(lèi)方法。通過(guò)引入分類(lèi)圓心、分類(lèi)半徑、分類(lèi)圓心距等概念，從而更加快速準(zhǔn)確的刪除非支持向量點(diǎn)，引入混淆度的概念，解決了如何在樣本嚴(yán)重混淆的時(shí)候進(jìn)行剔除混淆點(diǎn)，保證算法的泛化性。實(shí)驗(yàn)證明，采用這種改進(jìn)的算法能夠在嚴(yán)重混淆的訓(xùn)練樣本中保證準(zhǔn)確度的同時(shí)提高支持向量機(jī)分類(lèi)速度。我們?cè)贑lementine數(shù)據(jù)挖掘工具平臺(tái)的基礎(chǔ)上設(shè)計(jì)了基于傳統(tǒng)支持向量機(jī)、改進(jìn)支持向量機(jī)、決策樹(shù)和神經(jīng)網(wǎng)絡(luò)的客戶(hù)流失

3、預(yù)警模型。根據(jù)實(shí)驗(yàn)結(jié)果對(duì)各種分類(lèi)算法進(jìn)行了比較，得出了一個(gè)針對(duì)樣本數(shù)據(jù)的客戶(hù)流失原因報(bào)告。通過(guò)本文的研究，我們解決了客戶(hù)流失預(yù)警系統(tǒng)開(kāi)發(fā)費(fèi)用高，預(yù)測(cè)效率低下，預(yù)測(cè)正確率不高的問(wèn)題。設(shè)計(jì)了客戶(hù)預(yù)警流失模型，為企業(yè)制定挽留客戶(hù)決策提供了技術(shù)支撐。關(guān)鍵詞：支持向量機(jī)，決策樹(shù)，客戶(hù)流失，分類(lèi)圓心，分類(lèi)半徑，分類(lèi)圓心距，混淆度，I基于數(shù)據(jù)挖掘的電信客戶(hù)流失研究ChurnanalysisbasedondataminingAbstract：Withtheintensificationofcompetitioninthetelecommunicationsindustr

4、y,churnanalysisandforecastinghasbeenanimportantcustomerrelationshipmanagement.Thebehaviordataofthetelecomcustomersishigh-dimensional,dataskewandnonlinear.Itishardforthetraditionalmethodtoeliminatingdataredundancyorfindingtheclassificationthatmakesthecorrectratelow.Atthesametime,I

5、tisdifficulttodevelopaCompletesystem.Allthismakescustomerretentionspendalotofmoney.Thechurnmodelbasedonsupportvectormachineinthethesisisstudiedtosolvetheaboveproblems.Thetime-complexityofsupportvectormachinewillrapidgrowwiththenumberanddimensionsofthesamplegrow.Inordertosolvethep

6、roblem,animprovedSVMalgorithmisproposedbasedonthenewconcept.Withtheconceptsofclass-radius,class-centroid-distanceandclass-centripetal,wecandeletethosenon-SVeffectivelywithhighaccuracyandgeneralitywhenthedatawaspromiscuous.Theexperimentsshowthatourmethodachievedasatisfactoryresult

7、.Basedonthetraditionalsupportvectormachines,improvedsupportvectormachines,decisiontreesandneuralnetworks,wedesignchurnmodelwithClementinewhichisausefuldataminingtool.Wecomparealltheclassificationalgorithmsaccordingtotheexperimentalresultsandgetachurnreport.Throughtheworkinthethes

8、is,weprovideafeasibleandeffectiveapproac