基于數(shù)據(jù)挖掘的電信客戶流失研究.pdf

1、隨著電信行業(yè)競爭的加劇，客戶流失分析與預(yù)測已經(jīng)成為客戶關(guān)系管理的重要內(nèi)容。電信客戶行為數(shù)據(jù)的特征呈現(xiàn)出高維度、數(shù)據(jù)偏斜、非線性。傳統(tǒng)的方法難以消除數(shù)據(jù)之間的冗余以及找到線性規(guī)律，使得預(yù)測正確率較低。同時(shí)開發(fā)系統(tǒng)過程繁雜，收益偏低，挽留客戶成本過高。
　　本文從以解決以上問題為出發(fā)點(diǎn)，主要研究基于支持向量機(jī)的客戶流失預(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。針對(duì)這個(gè)問題，提出了一種改進(jìn)的支持向量

2、機(jī)分類方法。通過引入分類圓心、分類半徑、分類圓心距等概念，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)分類速度。
　　我們在Clementine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)、決策樹和神經(jīng)網(wǎng)絡(luò)的客戶流失預(yù)警模型。根據(jù)實(shí)驗(yàn)結(jié)果對(duì)各種分類算法進(jìn)行