【摘要】：客戶流失分析與預(yù)測是客戶關(guān)系管理的重要內(nèi)容.針對客戶流失問題,建立了支持向量機(jī)預(yù)測模型.針對實(shí)際客戶流失數(shù)據(jù)中正負(fù)樣本數(shù)量不平衡而且數(shù)據(jù)量大的特點(diǎn),提出帶有不同類權(quán)重參數(shù)的支持向量機(jī)算法CW-SVM,通過調(diào)整類權(quán)重參數(shù)改變分類面位置,提高算法分類準(zhǔn)確性;將標(biāo)準(zhǔn)支持向量機(jī)訓(xùn)練問題轉(zhuǎn)化為運(yùn)算效率更高的核向量機(jī)問題,提出處理不平衡海量數(shù)據(jù)集的CWC-SVM算法.通過實(shí)際銀行信貸客戶數(shù)據(jù)集測試,該算法與傳統(tǒng)預(yù)測算法比較,更適合解決大數(shù)據(jù)集和不平衡數(shù)據(jù),取得較好的客戶流失預(yù)測效果.
[Abstract]:Customer churn analysis and prediction is an important content of customer relationship management. Aiming at the problem of customer churn, the prediction model of support vector machine is established. Aiming at the imbalance of positive and negative samples and the large amount of data in the actual customer churn data, the support vector machine (CW-SVM,) algorithm with different class weight parameters is proposed to change the classification surface position by adjusting the class weight parameters to improve the classification accuracy. The standard support vector machine training problem is transformed into a kernel vector machine problem with higher computational efficiency. A CWC-SVM algorithm is proposed to deal with unbalanced mass data sets. Compared with the traditional prediction algorithm, this algorithm is more suitable to solve the big data set and unbalanced data, and obtain better customer churn prediction effect by testing the actual bank credit customer data set.
【作者單位】： 西安交通大學(xué)管理學(xué)院 上海財(cái)經(jīng)大學(xué)信息管理與工程學(xué)院 清華大學(xué)國家CIMS工程研究中心 清華大學(xué)國家CIMS工程研究中心 清華大學(xué)國家CIMS工程研究中心
【基金】：國家自然科學(xué)基金(70671059)
【分類號】：F274;F224

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 許建華,張學(xué)工,李衍達(dá);支持向量機(jī)的新發(fā)展[J];控制與決策;2004年05期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊波;鄭穎人;唐曉松;李安洪;;人工智能在雙排全長式抗滑樁設(shè)計(jì)中的應(yīng)用[J];地下空間與工程學(xué)報(bào);2010年02期

2 唐曉松;鄭穎人;段永勝;李安洪;;人工智能在埋入式抗滑樁設(shè)計(jì)中的應(yīng)用[J];地下空間與工程學(xué)報(bào);2010年02期

3 羅婷婷;范太華;;支持向量機(jī)核函數(shù)及優(yōu)化研究[J];兵工自動化;2007年10期

4 戴洪德;陳明;周紹磊;李娟;;慣性導(dǎo)航系統(tǒng)非線性初始對準(zhǔn)的LS-SVM方法研究[J];傳感技術(shù)學(xué)報(bào);2007年07期

5 譚琨;杜培軍;鄭輝;;支持向量機(jī)在空間信息處理領(lǐng)域的應(yīng)用研究[J];測繪科學(xué);2007年02期

6 王小美;逄云峰;杜培軍;譚琨;李光麗;;高光譜遙感影像支持向量機(jī)分類中噪聲影響的研究[J];測繪科學(xué);2011年02期

7 周云龍;顧楊楊;;基于獨(dú)立分量分析和支持向量機(jī)的氣液兩相流流型識別[J];東北電力大學(xué)學(xué)報(bào);2012年01期

8 王煒,劉悅,李國正,吳耿鋒,林命周,馬欽忠,趙利飛;中國大陸強(qiáng)震時間序列預(yù)測的支持向量機(jī)方法[J];地震;2005年04期

9 李志雄;王志成;袁錫文;邱雪強(qiáng);林軍;;基于小波變換和支持向量機(jī)的中國大陸強(qiáng)震預(yù)測[J];地震;2006年03期

10 秦玉平;王秀坤;;一種改進(jìn)的快速支持向量機(jī)分類算法研究[J];大連理工大學(xué)學(xué)報(bào);2007年02期

相關(guān)會議論文 前8條

1 宋海鷹;桂衛(wèi)華;陽春華;;基于核偏最小二乘的簡約最小二乘支持向量機(jī)及其應(yīng)用研究[A];第二十六屆中國控制會議論文集[C];2007年

2 袁從貴;張新政;陳旭;;基于偏互信息與定尺度最小二乘支持向量機(jī)的咸潮預(yù)測模型[A];中國自動化學(xué)會控制理論專業(yè)委員會C卷[C];2011年

3 ;Wastewater Treatment Prediction Based on Chaos-GA Optimized LS-SVM[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

4 董澤;紀(jì)國瑞;王東風(fēng);韓璞;徐大平;;基于置信機(jī)的風(fēng)電場風(fēng)速預(yù)測誤差補(bǔ)償[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

5 董澤;紀(jì)國瑞;王東風(fēng);韓璞;徐大平;;基于歸納置信機(jī)的風(fēng)電場風(fēng)速容許區(qū)間預(yù)測[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

6 劉碧森;姚宇;;粗SVM理論及其在稅收預(yù)測中的應(yīng)用[A];第三屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2005年

7 何鵬;王雅琳;桂衛(wèi)華;陽春華;;基于混沌優(yōu)化的氧化鋁返料成分支持向量機(jī)預(yù)測[A];有色金屬工業(yè)科學(xué)發(fā)展——中國有色金屬學(xué)會第八屆學(xué)術(shù)年會論文集[C];2010年

8 田金信;張國永;郭志達(dá);;基于支持向量機(jī)改進(jìn)的VaR模型研究[A];第八屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2006年

相關(guān)博士學(xué)位論文 前10條

1 汪春梅;癲癇腦電信號特征提取與自動檢測方法研究[D];華東理工大學(xué);2011年

2 王冬麗;基于可擴(kuò)展的支持向量機(jī)分類算法及在信用評級中的應(yīng)用[D];東華大學(xué);2011年

3 王輝;珠三角花崗巖殘積土邊坡穩(wěn)定性分析及非線性預(yù)測[D];吉林大學(xué);2011年

4 葉洪濤;基于免疫算法的污水處理系統(tǒng)預(yù)測及優(yōu)化控制研究[D];華南理工大學(xué);2011年

5 高翔;淺埋地層探地雷達(dá)信號處理與目標(biāo)識別研究[D];中國海洋大學(xué);2011年

6 梁瑩;INS/地磁匹配組合導(dǎo)航系統(tǒng)技術(shù)研究[D];哈爾濱工程大學(xué);2010年

7 黃賢源;多波束測深數(shù)據(jù)質(zhì)量控制方法研究[D];解放軍信息工程大學(xué);2011年

8 王敏;帕金森病患者的輔助診斷與手運(yùn)動補(bǔ)償研究[D];華東理工大學(xué);2012年

9 趙暉;支持向量機(jī)分類方法及其在文本分類中的應(yīng)用研究[D];大連理工大學(xué);2006年

10 李巧茹;交通網(wǎng)絡(luò)動態(tài)配流及其相關(guān)問題研究[D];天津大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 周廣千;模糊支持向量機(jī)在人臉識別中的應(yīng)用[D];長沙理工大學(xué);2010年

2 肖宇;基于支持向量機(jī)的供應(yīng)鏈合作伙伴選擇算法[D];華東師范大學(xué);2011年

3 郭魯強(qiáng);基于二維熵圖像處理和SVM的空中目標(biāo)識別研究[D];哈爾濱理工大學(xué);2010年

4 郝建青;基于FPGA的電容層析成像系統(tǒng)圖像重建算法研究[D];哈爾濱理工大學(xué);2010年

5 胡永正;交叉口多相位智能模糊仿真控制研究與實(shí)現(xiàn)[D];電子科技大學(xué);2010年

6 賀建軍;基于SVM的客戶流失預(yù)測研究[D];昆明理工大學(xué);2009年

7 柴進(jìn);視頻監(jiān)控中的人數(shù)統(tǒng)計(jì)和人群密度分析[D];西安電子科技大學(xué);2011年

8 王欣冉;基于小波包與最小二乘支持向量機(jī)的時間序列預(yù)測研究[D];中國地質(zhì)大學(xué)（北京）;2011年

9 魏繼翔;基于特征提取的酶識別問題研究[D];山東經(jīng)濟(jì)學(xué)院;2011年

10 沈飛;模糊支持向量機(jī)在人臉識別中的應(yīng)用[D];吉林大學(xué);2011年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭先越;劉志燾;;一種基于支持向量機(jī)的客戶滿意度評價(jià)方法[J];商場現(xiàn)代化;2007年02期

2 吳曉淵,孟兆煒;數(shù)據(jù)挖掘技術(shù)在客戶關(guān)系管理系統(tǒng)中的應(yīng)用[J];廣西科學(xué)院學(xué)報(bào);2003年04期

3 張安安;熊v炵，

本文編號：2218623