自從市場建立以來,對于企業(yè)而言客戶流失預測的研究便一直受到廣泛的關注,由于影響客戶流失的指標有很多,所以能夠對客戶流失做出有效預測就比較困難.目前預測客戶流失的方法很多,主要分為回歸分類方法和神經(jīng)網(wǎng)絡方法.本文結合這兩種方法各自的特點,首次提出了一種基于Cox的BP神經(jīng)網(wǎng)絡模型,該模型將BP神經(jīng)網(wǎng)絡的輸入變量進行Cox回歸,調整輸入變量在模型中的權重,通過調整后的模型對客戶流失情況進行預測.本文首先對現(xiàn)階段客戶流失預測的兩種方法:神經(jīng)網(wǎng)絡和生存分析進行了介紹和討論.在回歸分析中,實證表明Cox回歸比邏輯回歸和決策樹在客戶流失預測中效果要理想一些.在神經(jīng)網(wǎng)絡方法中,對于本文的數(shù)據(jù)發(fā)現(xiàn)標準BP神經(jīng)網(wǎng)絡在收斂速度和預測準確度優(yōu)于RBF神經(jīng)網(wǎng)絡.本文將BP神經(jīng)網(wǎng)絡和Cox回歸相結合,提出了一種新的手機客戶流失預測模型:BP-Cox模型.因為標準的BP神經(jīng)網(wǎng)絡的收斂速度慢,并且很容易陷入局部極小值.為了克服這些缺點,提高預測的準確性,本文引入了BPFM,BPSAM,BPAM-I和BPAM-II四種動量項法,用來改變標準BP神經(jīng)網(wǎng)絡的權值.在引入動量項的基礎上,本文還引入了平均變步長法,自適應步長... 

【文章來源】：蘭州大學甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：45 頁

【學位級別】：碩士

【部分圖文】：

論文結構框架圖

圖 2-1 復雜度參數(shù)圖圖 2-2 決策樹從圖2-1和圖2-2可以看出, 建立的決策樹只需要一次分割, 就可以得到一個比較理想的結果, 整體來看，驗證集中的準確達到 76%.

決策樹

【參考文獻】：
期刊論文
[1]電信客戶流失的組合預測模型[J]. 余路.  華僑大學學報(自然科學版). 2016(05)
[2]一種改進ID3型決策樹挖掘算法[J]. 潘大勝,屈遲文.  華僑大學學報(自然科學版). 2016(01)
[3]自適應變步長MPPT算法[J]. 黃舒予,牟龍華,石林.  電力系統(tǒng)及其自動化學報. 2011(05)
[4]基于客戶細分的客戶流失預測研究[J]. 張曉濱,高峰,黃慧.  計算機工程與設計. 2009(24)
[5]非小細胞肺癌適形放療的生存分析[J]. 李勤,吳湘陽,楊怡萍,亓芳迎,李潔,高飛,周梅林,王昕苗,馮麗,李青.  現(xiàn)代腫瘤醫(yī)學. 2008(11)
[6]基于改進支持向量機的客戶流失分析研究[J]. 趙宇,李兵,李秀,劉文煌,任守榘.  計算機集成制造系統(tǒng). 2007(01)
[7]移動電話客戶流失數(shù)據(jù)挖掘[J]. 朱世武,崔嵬,謝邦昌.  數(shù)理統(tǒng)計與管理. 2005(01)
[8]基于決策樹的客戶流失分析[J]. 郭明.  廣東通信技術. 2004(11)
[9]基于客戶信息的電信企業(yè)客戶流失問題分析[J]. 周支立,劉斌.  情報雜志. 2003(12)

碩士論文
[1]基于數(shù)據(jù)挖掘的光大銀行蘭州分行客戶流失預測及管理對策研究[D]. 張睿軍.蘭州大學 2018
[2]基于生存分析的特征客戶群流失預測模型及應用研究[D]. 王瑩.大連理工大學 2015
[3]基于Cox模型的中小企業(yè)財務危機預警研究[D]. 高麗麗.暨南大學 2013
[4]基于生存分析的客戶流失模型研究[D]. 鄭為益.華南理工大學 2011
[5]多通道自適應控制系統(tǒng)的研究[D]. 林雙才.西南交通大學 2010
[6]基于DSP的遠程參數(shù)控制系統(tǒng)的研究與設計[D]. 馮曉莉.西南交通大學 2009
[7]電信企業(yè)客戶關系生存分析模型研究[D]. 張永樂.北京郵電大學 2009



本文編號：3386360