基于数据挖掘的电信客户流失研究

基于数据挖掘的电信客户流失研究

ID:32974023

大小:1.01 MB

页数:44页

时间:2019-02-18

基于数据挖掘的电信客户流失研究_第1页
基于数据挖掘的电信客户流失研究_第2页
基于数据挖掘的电信客户流失研究_第3页
基于数据挖掘的电信客户流失研究_第4页
基于数据挖掘的电信客户流失研究_第5页
资源描述:

《基于数据挖掘的电信客户流失研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、分类号:学校代码:10373密级:学号:11012081201硕士学位论文题目:基于数据挖掘的电信客户流失研究论文作者任逸卿指导教师朱昌杰专业名称计算机软件与理论研究方向人工智能与数据挖掘学位类别工学硕士淮北师范大学研究生处二○一三年五月基于数据挖掘的电信客户流失研究基于数据挖掘的电信客户流失研究摘要:随着电信行业竞争的加剧,客户流失分析与预测已经成为客户关系管理的重要内容。电信客户行为数据的特征呈现出高维度、数据偏斜、非线性。传统的方法难以消除数据之间的冗余以及找到线性规律,使得预测正确率较低。同时开发系统过程繁杂,收益偏低,挽留客户成本过高。本文从以

2、解决以上问题为出发点,主要研究基于支持向量机的客户流失预警模型。支持向量机的算法复杂度随着样本数据维度和样本总数量的增加成几何数增长。针对这个问题,提出了一种改进的支持向量机分类方法。通过引入分类圆心、分类半径、分类圆心距等概念,从而更加快速准确的删除非支持向量点,引入混淆度的概念,解决了如何在样本严重混淆的时候进行剔除混淆点,保证算法的泛化性。实验证明,采用这种改进的算法能够在严重混淆的训练样本中保证准确度的同时提高支持向量机分类速度。我们在Clementine数据挖掘工具平台的基础上设计了基于传统支持向量机、改进支持向量机、决策树和神经网络的客户流失

3、预警模型。根据实验结果对各种分类算法进行了比较,得出了一个针对样本数据的客户流失原因报告。通过本文的研究,我们解决了客户流失预警系统开发费用高,预测效率低下,预测正确率不高的问题。设计了客户预警流失模型,为企业制定挽留客户决策提供了技术支撑。关键词:支持向量机,决策树,客户流失,分类圆心,分类半径,分类圆心距,混淆度,I基于数据挖掘的电信客户流失研究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

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。