基于決策樹的移動通信用戶流失預(yù)警模型研究與實(shí)現(xiàn).pdf

1、移動通信行業(yè)的發(fā)展和移動互聯(lián)網(wǎng)行業(yè)的繁榮吸引了越來越多的企業(yè)。市場競爭日益激烈,使得許多企業(yè)都存在不同程度的用戶流失現(xiàn)象。通過數(shù)據(jù)挖掘的方法,對企業(yè)擁有的大量用戶數(shù)據(jù)進(jìn)行分析,能夠獲得流失用戶的數(shù)據(jù)特征,并依據(jù)這些特征做出相應(yīng)的商業(yè)決策,以減少用戶的流失。用戶流失預(yù)警成為企業(yè)實(shí)施用戶管理的重要方面。
　　目前,解決用戶流失預(yù)警問題的方法理論已經(jīng)比較成熟,本文在已有研究的基礎(chǔ)上,選取不同的用戶屬性,對用戶流失預(yù)警問題進(jìn)行了研究。使用

2、帶有聚類輔助的決策樹算法,完成了用戶流失預(yù)警問題的研究。主要內(nèi)容如下:
　　首先,使用聚類算法對用戶數(shù)據(jù)進(jìn)行了分析。聚類算法能夠?qū)?shù)量龐大的用戶數(shù)據(jù)進(jìn)行無監(jiān)督分類。通過對用戶數(shù)據(jù)進(jìn)行聚類分析,得出了流失用戶主要集中的類別,以及這些類別的一些數(shù)據(jù)特征。對聚類結(jié)果的分析為篩選研究價(jià)值更高的用戶數(shù)據(jù)進(jìn)行決策樹建模提供了依據(jù)。
　　其次,使用決策樹算法對用戶流失預(yù)警問題進(jìn)行了研究,構(gòu)建了用戶流失預(yù)警的決策樹模型。在聚類分析的基礎(chǔ)上,

3、整理篩選出用于構(gòu)建決策樹模型的樣本數(shù)據(jù)以及用于模型驗(yàn)證的測試數(shù)據(jù)。按照數(shù)據(jù)挖掘的標(biāo)準(zhǔn)流程,合并研究價(jià)值較高的類別下的用戶數(shù)據(jù),執(zhí)行決策樹算法,得到用戶流失的決策樹預(yù)警模型。隨后,本文還對模型進(jìn)行了評估,從準(zhǔn)確率、提升度方面驗(yàn)證了已得到的決策樹模型具有良好的用戶流失預(yù)警功能。
　　最后,根據(jù)用戶流失預(yù)警模型設(shè)計(jì)了預(yù)警系統(tǒng)的基本框架。對于已經(jīng)構(gòu)建的模型,需要經(jīng)過實(shí)際應(yīng)用才能發(fā)現(xiàn)新的問題。本文依據(jù)數(shù)據(jù)挖掘的流程,結(jié)合數(shù)據(jù)倉庫技術(shù),完成了

4、用戶流失預(yù)警系統(tǒng)的邏輯設(shè)計(jì)、功能設(shè)計(jì)以及模塊設(shè)計(jì)。系統(tǒng)設(shè)計(jì)的同時,還考慮了系統(tǒng)的可擴(kuò)展性。
　　本文選取了多個類別的用戶數(shù)據(jù)進(jìn)行研究。樣本數(shù)據(jù)來源于某運(yùn)營商的用戶數(shù)據(jù)。為保證用戶數(shù)據(jù)的時效性,本文設(shè)定了時間窗口,所有用戶數(shù)據(jù)均生成于設(shè)定的時間窗口之內(nèi)。除了包含用戶的通話信息、區(qū)域信息等基本信息之外,還加入了用戶的上網(wǎng)流量信息,并將流量信息作為用戶的重要屬性進(jìn)行研究。將用戶流量信息在時間窗口之內(nèi)的統(tǒng)計(jì)特征作為新的用戶屬性,用于構(gòu)建模