基于分步特征选择和组合分类器的电信客户流失预测模型

《基于分步特征选择和组合分类器的电信客户流失预测模型》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、零．尹嗎．画零可夺因钟＾若若大赛ＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｏｆＣｈｉｎａ硕±学位论文－＾戀：论文题目＿甚干４＞巧４幸Ｗ诛璋和巧合分睾器的—＇障，１ｒ；客Ｋ束干巧；邸Ｉ丰宴型子伟作者姓名徐模式识别与智能系统学科专业琢宗；每＾授导师姓名—／＼年五月完成时间中通种＃接术夫缘硕±学位论文（Ｓ）基于分步特征选择和组合分类器的电信客户流失预测模型作者姓名：徐子伟学科专业：模式识别与智能系统副祕名：陈

2、宗海教授－Ｌ＾ｍ：二ｏ六年五月＼＾ｊｋＵｎｉｖｅｒｓｉｔｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｆＣｈｉｎａｙｇｙｏＡ’Ｄｉｓｓｅｒｔａｔｉｏｎ化「ＭａｓｔｅｒｓＤｅｒｅｅｇ＠Ａｔｗｏ巧ｔａｅｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄｇａｎｄａｎｅｎｓｅｍｂｌｅｃｌａｓｓｉｆｉｅｒｂａｓｅｄｔｅｌｅｃｏｍｃｕｓｔｏｍｅｒｃｈｕｒｎｒｅｄｉｃｔｉｏｎｐｍｏｄｅｌ’Ａｕ化ｏｒｓＮａｍｅ：ＺｉｗｅｉＸｕＳｐｅｃｉａｌｉｔｙ：ＰａｔｔｅｒｎＲｅｃｏ

3、ｎｉｔｉｏｎａｎｄＩｎ化ｌｌｉｅｎｔＳｙｓｔｅｍｓｇｇＳｕｐｅｒｖｉｓｏｒ：Ｐｒｏｆ．ＺｏｎｈａｉＣｈｅｎｇＦｉｎｉｓｈｅｄｔｉｍｅ；Ｍａ２０１６ｙ，｜｜中国科学技术大学学位论文原创性声明本人声明所呈交的学位论文，是本人在导师指导卞进行研究工作所取得的成果。除己特别加标注和致谢的地方外，论文中不包含任何他人己经发表或撰写过的研巧成果一。与我同工作的同志对本研究所做的贡献均已在论文中作了明确的说明。．＾心、６＇々作者签名：签字曰期．巧：Ｘｌ毛中国科学技术大学学位论文授权使用声明

4、作为申请学位的条件之一，学位论文著作权拥有者授权中国科学技术大学拥有学位论文的部分使用权：，即学校有权按有关规定向国家有关部ｎ或机构送交论文的复印件和电子版，允许论文被査阅和借阅Ａ，可ｙ将学位论文编入有关数据库进行检索，可＾文采用影印、缩印或扫描等复制手段保存、汇编学位论文。本人提交的电子文档的内容和纸质论文的内容相一致。保密的学位论文在解密后也遵守此规定。。作者签名：导师签名：签字日期０、曰期：？４．签字ｕ乂ｊ摘要巧要随着信息与通信技术的快速发展，电信运营市场日益饱和，运营商之间的竞

5、争日趋加剧一。客户流失预测已成为电信行业重点关注的个问题，进行潜在流失客户的预测分析，及时发现具有较高流失概率的客户，并制定相应的客户挽留策略，对各大电信运营商来讲具有重大意义。本文Ｗ电信行业客户流失预测为研巧背景一，旨在构建个高效、准确的电信客户流失预测模型，高效、准确地预测出具有较髙流失概率的客户。本文的主要研究内容与成果如下：１．本文针对电信客户流失数据集中存在的特征维度过髙的问题，对比研巧利用主成分分析、卡方检验和Ｆｉｓｈｅｒ比率方法进行特征降维所选择的优化特征子集，采用大数据处理框架Ｓｐａｒｋ与Ｓｐａ

6、ｒｋ机器学习库ＭＬ／ＭＬ１化进行实验，分析不同优化特征子集对朴素贝叶斯、线性支持向量机、逻辑斯蒂回归、决策树和随机森林分类模型预测效果的影响。实验结果表明，不同的特征选择方法所选的优化特征子集对不同分类模型预测效果的影响不同，其中Ｆｉｓｈｅｒ比率能够选取相对最优的特征子集，并取得较好的预测效果。一２．提出种基于Ｆｉｓｈｅｒ比率和预测风险准则的分步特征选择方法。本文针对电信客户流失领域特征选择方法存在的问题，结合过滤式和封装式特征选择方一法的优点，提出了种基于巧ｓｈｅｒ比率和预测风险准则的分步特征选择方法。基

7、于该方法所选的优化特征子集具有较强的判别能力，同时对分类器预測效果影响一。较大实验结果表明，相比于未进行特征选择和基于步特征选择的客户流失预测模型，本文提出的基于分步特征选择方法的客户流失预测模型能够提髙客户流失预测的准确性。一３．提出种基于分步特征选择和组合分类器的客户流失预測模型构建框架。结合Ｓｐａｒｋ机器学习库ＭＬ／ＭＬＨｂ，构建基于分步特征选择方法的朴素贝叶斯、线性支持向里机、逻巧斯蒂回归、决策树和随化森林的客户流失预測模型。在此基础上，采用优选组合预测方法从多个分类预满模型中选取预测效果较好的若干

8、分类器。，并采用加权组合所选分类器输出值的方式构建组合分类器实验结果表明一，相对于单分类模型的预測效果，本文提出的基于分步特征选择和组合分类器的客户流失预測模型能够显著提髙流失预測效果