王纯麟
- 作品数:5 被引量:44H指数:3
- 供职机构:东南大学经济管理学院更多>>
- 相关领域:经济管理自动化与计算机技术电子电信更多>>
- 基于改进支持向量机的电信客户流失预测模型被引量:33
- 2007年
- 随着电信业改革的深入和竞争的加剧,电信企业的客户流失率逐步攀升,如何预测并有效减少客户流失直接关系到电信企业的生存和发展。流失客户在客户总体中占比例较低,因此电信客户数据集中存在明显的非平衡数据问题,传统的客户流失预测把客户流失作为普通的模式识别问题处理,建立基于普适机器学习的预测模型。在两类错误的错分代价相差较大的情况下,基于普适机器学习的预测模型缺乏实用价值,因此引入代价敏感学习理论建立了基于改进支持向量机的电信客户流失预测模型,将不同的错分代价纳入建模过程,有效的提高了模型的预测性能。
- 钱苏丽何建敏王纯麟
- 关键词:支持向量机客户流失预测非平衡数据代价敏感学习
- 一种代价敏感学习方法在电信业流失预测中的应用(英文)被引量:3
- 2007年
- 根据已有的流失预测方法,提出新的流失预测方法解决数据挖掘中的非对称错分代价问题.该方法以传统C4.5决策树算法为基准分类器,融合代价调整方法实现代价敏感学习.相比之下,C4.5决策树算法仅是基于样本错分代价相同假定,建立了一种错分率最低而非总错分代价最低的预测模型.基于某电信企业的客户数据,及流失客户和非流失客户代价非对称的实际,实证研究结果表明,CS-C4.5通过调整流失类和非流失类样本的比例,大大降低了传统分类算法的样本错分总代价.该方法对于提高电信企业的核心竞争力具有重要的现实意义.
- 赵巍何建敏王纯麟陈金波
- 关键词:代价敏感学习C4.5电信业客户流失
- 基于组合分类器的个人信用评估模型被引量:4
- 2006年
- 随着消费信贷的发展以及银行对信用风险的关注,个人信用评估已成为银行业研究的一个重要内容。目前信用评估的研究中多采用单一分类器,预测精度难以提高,因此文章提出了基于AdaBoost组合分类器算法的个人信用评估模型。与单分类器模型的比较结果表明,基于组合分类器的模型具有更高的预测准确率。
- 王纯麟何建敏钱苏丽
- 关键词:信用评估组合分类器数据挖掘
- 基于AdaBoost的电信客户流失预测模型被引量:10
- 2007年
- 随着电信业改革的深入和竞争的不断加剧,各大电信企业的客户流失率逐步攀升。在深入分析电信业客户流失问题的基础上,针对目前研究多采用单分类器模型的不足,提出了一种基于组合分类器的电信客户流失预测模型。实证结果表明该模型能有效提升预测准确率,为今后的研究提供了新的研究思路。
- 王纯麟何建敏
- 关键词:客户流失预测ADABOOST决策树
- 基于数据挖掘的电信企业客户保持研究
- 随着电信业的改革和开放,行业竞争日益激烈,客户流失问题也不断加剧。在新客户开发成本高昂的情况下,如何有效的保持现有客户尤其是高价值的客户已成为电信企业在未来竞争中取胜的关键。本文以电信企业的客户保持为研究主题,研究如何运...
- 王纯麟
- 关键词:数据挖掘客户保持
- 文献传递