隨著電信業(yè)務的擴張,用戶市場趨近飽和,三大運營商用戶增長的方向轉(zhuǎn)移到對方的存量用戶上。攜號轉(zhuǎn)網(wǎng)政策的落實和5G建設(shè)步伐的加快,都迫使運營商重視和加大用戶留存的投入。存量用戶的規(guī)模關(guān)系到企業(yè)的切實利益,降低客戶流失迫在眉睫。以往研究大多聚焦于單一預測模型的構(gòu)建,隨著機器學習技術(shù)的廣泛應用,本文在前人研究的基礎(chǔ)上,探索基于集成學習思想的組合預測模型的構(gòu)建方法。本文以集成學習思想為基礎(chǔ),創(chuàng)新性地構(gòu)建了應用Stacking方法的離網(wǎng)組合預測模型,借助某移動分公司真實的業(yè)務數(shù)據(jù),依次對業(yè)務數(shù)據(jù)進行數(shù)據(jù)清洗、屬性擴展、屬性篩選等操作,采用直方圖檢驗和相關(guān)系數(shù)檢驗方法,最終選出了 12個相關(guān)性最高的特征屬性,通過劃分訓練集與測試集,采用過抽樣方法處理訓練集的非平衡數(shù)據(jù),利用組合模型對訓練集數(shù)據(jù)進行學習,同時對測試集數(shù)據(jù)進行預測,最后計算相應的評估指標得到組合模型的準確率、覆蓋率、Fl分數(shù)及ROC曲線,通過與單一模型的相關(guān)指標對比分析,驗證了本文建立的組合模型在客戶流失預測上具有較好的預測表現(xiàn)。借助模型識別出目標離網(wǎng)客戶后,需要及時開展客戶挽留營銷,才能維系住存量用戶。本文結(jié)合電信市場發(fā)展趨勢,設(shè)計了... 

【文章來源】：北京郵電大學北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：57 頁

【學位級別】：碩士

【部分圖文】：

圖３－１組合模型流程結(jié)構(gòu)圖??模型具體的實現(xiàn)過程如下：??

、??！?輸出??圖３－１組合模型流程結(jié)構(gòu)圖??模型具體的實現(xiàn)過程如下：??假設(shè)原始數(shù)據(jù)經(jīng)過數(shù)據(jù)處理后，得到的樣本集為Ｘ｛Ｘｌ，Ｘ２，ｘ３．．．ｘｎ｝，其中??Ｘｌ，Ｘ２，Ｘ３．．．Ｘｍ為用戶的特征屬性，其中每個屬性Ｘｍ下有１１個樣本，離網(wǎng)預測組合??模型的建模操作步驟為：??第一步，數(shù)據(jù)處理，確定樣本屬性集；??第二步，調(diào)整參數(shù)，構(gòu)建決策樹、神經(jīng)網(wǎng)絡(luò)、ＳＶＭ單一預測模型；??將分別輸入模型，調(diào)整模型參數(shù)，得到?jīng)Q策樹的預測結(jié)果序??列ＹＪｙｕｊｕ，…，ｙｌｎ｝，祌經(jīng)網(wǎng)絡(luò)的預測結(jié)果序列Ｙ２｛ｙ２１，ｙ２２，．．．ｙ２ｎ｝，ＳＶＭ算法的預??測結(jié)果序列?Ｙ３｛ｙ３１

?北京郵電大學工學碩士學位論文４．２．２數(shù)據(jù)描述性分析??通過描述性統(tǒng)計方法可以從整體上發(fā)現(xiàn)數(shù)據(jù)指標的差異性，挖掘數(shù)據(jù)規(guī)律，??對于指標篩選、數(shù)據(jù)清理以及訓練模型有非常好的幫助。筆者通過對原始數(shù)據(jù)行觀察，選取了部分指標進行特性分析，以判斷數(shù)據(jù)是否可直接用于模型的構(gòu)１）用戶在網(wǎng)時長分布??用戶的在網(wǎng)時長屬性指用戶加入移動該分公司后持續(xù)在網(wǎng)的月數(shù)，本文收到的用戶數(shù)據(jù)顯示，如圖４－２用戶在網(wǎng)時長分布曲線圖，大部分用戶在網(wǎng)時長布在２４－５８之間，正常在網(wǎng)用戶與己離網(wǎng)用戶的在網(wǎng)時長分布趨勢相近，說明網(wǎng)時長分布上用戶離網(wǎng)行為差異化不明顯。???


本文編號：3122422