基于集成代價敏感分類方法的客戶流失預(yù)測研究.pdf

1、以客戶為中心的經(jīng)營管理理念，已成為當(dāng)前企業(yè)發(fā)展的基石，以此為特征的客戶關(guān)系管理技術(shù)，已經(jīng)成為企業(yè)獲取競爭優(yōu)勢的重要手段?？蛻袅魇Х治鍪强蛻絷P(guān)系管理的重要組成部分。研究表明，若能有效地降低客戶流失率，將能夠極大提升企業(yè)的競爭力以及盈利水平。因此在全球市場競爭日益激烈的今天，找出客戶流失緣由、降低客戶流失率，是具有重要理論意義和現(xiàn)實意義的研究課題。
　　論文首先回顧了客戶流失的基本概念，以及客戶流失問題的研究途徑，同時分析了傳統(tǒng)數(shù)據(jù)挖

2、掘分類方法在客戶流失預(yù)測中的不足。接著，闡述了常用的數(shù)據(jù)挖掘分類方法，重點是決策樹和支持向量機方法，為后文提出的改進(jìn)算法做了理論鋪墊。接下來，針對傳統(tǒng)分類方法在分類過程中假設(shè)所有分類錯誤的錯分代價是相等的局限，引入代價敏感學(xué)習(xí)機制，闡述了為傳統(tǒng)分類方法引入代價敏感學(xué)習(xí)的兩種思路。最后，就傳統(tǒng)分類方法的泛化能力較弱的局限，闡述了通過引入集成學(xué)習(xí)以解決傳統(tǒng)分類方法構(gòu)建單一分類器的不穩(wěn)定性，以及提高其學(xué)習(xí)精度，達(dá)到有效地提高傳統(tǒng)分類方法泛化能

3、力的目的。
　　然后，論文以決策樹C4.5算法和支持向量機方法作為基準(zhǔn)算法，通過引入代價敏感學(xué)習(xí)，分別對兩種傳統(tǒng)分類方法進(jìn)行了代價敏感改造，再利用經(jīng)典的集成算法Boosting和Bagging對兩者進(jìn)行集成學(xué)習(xí)，從而提出了基于Boosting與代價敏感決策樹和基于Bagging與代價敏感支持向量機這兩種集成代價敏感分類方法，并在10個UCI機器學(xué)習(xí)數(shù)據(jù)庫的非平衡二分類數(shù)據(jù)集上進(jìn)行算法實驗分析，發(fā)現(xiàn)兩個算法相對于其基準(zhǔn)算法能夠獲得更

4、好的預(yù)測性能。另外，還給出基于數(shù)據(jù)挖掘分類方法構(gòu)建客戶流失預(yù)測模型的評價指標(biāo)，以用于案例分析。
　　最后，論文以重慶市某商業(yè)銀行個人理財業(yè)務(wù)客戶數(shù)據(jù)集作為分析樣本，運用論文提出的兩種集成代價敏感分類方法在該客戶數(shù)據(jù)集上分別建立客戶流失預(yù)測模型，并將預(yù)測結(jié)果與常用數(shù)據(jù)挖掘分類算法：RBF神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)和Logistic回歸等建立的預(yù)測模型的結(jié)果進(jìn)行了對比分析，驗證了兩種算法的良好預(yù)測性能。鑒于模型可解釋性，論文采用基于Boos