通信市場趨于飽和導(dǎo)致客戶資源稀缺,客戶流失是不可避免的。但是,通過數(shù)據(jù)挖掘方法預(yù)測出欲離網(wǎng)的客戶,再設(shè)計(jì)并落實(shí)積極有效的營銷方案,企業(yè)仍然可以減少客戶流失的數(shù)量。本文針對中國移動(dòng)通信公司客戶數(shù)據(jù)建立距離判別模型、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等模型,對可能會(huì)流失的客戶進(jìn)行預(yù)測識別,為通信公司的客戶管理和系列決策提供理論和方法支持。主要工作概述如下:1.對數(shù)據(jù)進(jìn)行缺失值處理、異常值處理,獲得分析所需要的干凈數(shù)據(jù)。2.利用k-means聚類、基于隨機(jī)森林的影響因素分析、邏輯回歸分析等方法,探索中國移動(dòng)通信公司流失客戶的行為特征。3.本文用在網(wǎng)時(shí)長、月花費(fèi)、個(gè)體的度、聯(lián)系強(qiáng)度、個(gè)體信息熵、個(gè)體度的變化率6個(gè)自變量構(gòu)建距離判別模型,判別準(zhǔn)確率為85.59%。4.構(gòu)建支持向量機(jī)模型,判別準(zhǔn)確率為85.46%;用粒子群算法優(yōu)化后準(zhǔn)確率達(dá)到87.55%;用網(wǎng)格搜索法優(yōu)化后準(zhǔn)確率達(dá)到88.96%。5.構(gòu)建神經(jīng)網(wǎng)絡(luò)模型,判別準(zhǔn)確率為85.95%,用adaboost算法優(yōu)化后準(zhǔn)確率達(dá)到97.95%。本文將分類預(yù)測模型應(yīng)用于中國移動(dòng)通信公司流失客戶的識別研究中,并不斷優(yōu)化模型以尋求更高的準(zhǔn)確度,體現(xiàn)了較大的實(shí)用性;并... 

【文章頁數(shù)】：48 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 .國外研究
        1.2.2 .國內(nèi)研究
        1.2.3 .總結(jié)
    1.3 研究內(nèi)容及方法
        1.3.1 研究內(nèi)容
        1.3.2 研究方法
        1.3.3 創(chuàng)新之處
2 客戶流失因素分析
    2.1 數(shù)據(jù)說明
    2.2 數(shù)據(jù)預(yù)處理
    2.3 描述性分析
    2.4 流失因素分析
        2.4.1 k-means聚類分析
        2.4.2 基于隨機(jī)森林算法的影響因素分析
        2.4.3 邏輯回歸分析
3 客戶流失的距離判別模型
    3.1 距離判別模型介紹
    3.2 距離判別模型構(gòu)建
    3.3 模型結(jié)果分析
4 客戶流失的支持向量機(jī)模型及其優(yōu)化
    4.1 支持向量機(jī)模型介紹
    4.2 支持向量機(jī)模型構(gòu)建
    4.3 粒子群算法優(yōu)化SVM
    4.4 網(wǎng)格搜索法優(yōu)化SVM
5 客戶流失的神經(jīng)網(wǎng)絡(luò)模型及其優(yōu)化
    5.1 BP神經(jīng)網(wǎng)絡(luò)模型介紹
    5.2 Adaboost算法介紹
    5.3 BP-Adaboost模型構(gòu)建
    5.4 BP-Adaboost模型結(jié)果分析
    5.5 BP-Adaboost模型應(yīng)用
6 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
致謝
科研成果


【參考文獻(xiàn)】：
期刊論文
[1]電信業(yè)務(wù)流失建模的研究[J]. 石永華.  廣東通信技術(shù). 2003(06)

博士論文
[1]電信運(yùn)營企業(yè)客戶流失預(yù)測與評價(jià)研究[D]. 遲準(zhǔn).哈爾濱工程大學(xué) 2013
[2]BP神經(jīng)網(wǎng)絡(luò)分類器優(yōu)化技術(shù)研究[D]. 高鵬毅.華中科技大學(xué) 2012
[3]基于商務(wù)智能的客戶流失預(yù)測模型與算法研究[D]. 夏國恩.西南交通大學(xué) 2007
[4]粒子群優(yōu)化算法的理論及實(shí)踐[D]. 張麗平.浙江大學(xué) 2005

碩士論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的北京市二手房交易價(jià)格預(yù)測研究[D]. 李圓圓.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2018
[2]基于核參數(shù)優(yōu)化的SVM方法及其在股市中的應(yīng)用研究[D]. 陳曉燕.西安理工大學(xué) 2018
[3]P2P網(wǎng)絡(luò)貸款客戶違約預(yù)測研究[D]. 申傳華.貴州財(cái)經(jīng)大學(xué) 2018
[4]基于支持向量機(jī)的P2P借款人信用風(fēng)險(xiǎn)評估實(shí)證研究[D]. 楊巧艷.上海外國語大學(xué) 2018
[5]中石化A公司客戶流失因素分析及對策研究[D]. 黃振源.電子科技大學(xué) 2018
[6]移動(dòng)通信用戶維系挽留策略研究與系統(tǒng)設(shè)計(jì)[D]. 國亦家.重慶理工大學(xué) 2018
[7]基于隨機(jī)森林的電信客戶流失預(yù)測應(yīng)用研究[D]. 邱偉.華南理工大學(xué) 2018
[8]基于神經(jīng)網(wǎng)絡(luò)的物品識別研究[D]. 黃玲娥.廈門理工學(xué)院 2017
[9]基于BP神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行綠色信貸風(fēng)險(xiǎn)評價(jià)研究[D]. 張新.天津科技大學(xué) 2017
[10]客戶流失預(yù)測模型研究及其應(yīng)用[D]. 姚博.西北大學(xué) 2017



本文編號：3667495