電信是信息化社會的神經(jīng)中樞,是現(xiàn)代化社會不可或缺的基本公共設(shè)施,在全球電信自由化風潮下,隨著3G的到來,各國電信產(chǎn)業(yè)競爭激烈。然而企業(yè)吸引一位新客戶所花的成本是維系一位現(xiàn)有客戶的五至十倍。因此,如何維系既有客戶,早期發(fā)現(xiàn)潛在流失客戶,實時進行鞏固重要客戶,是當前各電信業(yè)者亟欲解決的課題。本文分析了現(xiàn)有各種電信客戶流失的分類、特點以及存在的問題,選擇數(shù)據(jù)挖掘中分類分析技術(shù)進行研究,并結(jié)合改進的C4.5分類分析技術(shù),來進行模型建構(gòu)與預(yù)測,提出了基于C4.5決策樹技術(shù)客戶流失預(yù)測的算法——ICDT分類算法。C4.5決策樹歸納技術(shù),基本上只適用于屬性只有少數(shù)可能值的情況,并且C4.5技術(shù)并不能有效地構(gòu)建出較為精簡且預(yù)測力佳的決策樹。ICDT算法在進行模型建構(gòu)與預(yù)測時,能夠彌補以上的不足,最后利用實驗驗證了ICDT分類算法能有效進行分類預(yù)測,來防止客戶流失。同時,本研究提出了一種新的分類方法,將ICDT與多專家決策分類技術(shù)相結(jié)合形成一種新的分類器。在對電信客戶進行分類時,ICDT與多專家決策分類技術(shù)相結(jié)合分類器的思想是在進行預(yù)測分類時,同時由多個專家做預(yù)測,再經(jīng)投票決定最后分類結(jié)果,以取代由單一... 

【文章來源】：河北科技大學河北省

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【部分圖文】：

ICDT和C4.5算法時間性能比較

圖 4-2 觀測期間分2段，不同專家資料比例預(yù)測結(jié)果比較Fig.4-2 Observation period divides 2 sections, different expert material proportion forecast result comparison圖4-3 觀測期間分3段，不同專家資料比例預(yù)測結(jié)果比較ig.4-3 Observation period divides 3 sections, the different expert material proportion forecast result comparison

?4-2 觀測期間分2段，不同專家資料比例預(yù)測結(jié)果比較Fig.4-2 Observation period divides 2 sections, different expert material proportion forecast result comparison圖4-3 觀測期間分3段，不同專家資料比例預(yù)測結(jié)果比較Fig.4-3 Observation period divides 3 sections, the different expert material proportion forecast result comparison圖4-4 觀測期間分5段，不同專家資料比例預(yù)測結(jié)果比較Fig.4-4 Observation period divides 5 sections, the different expert material proportion forecast result comparison32

【參考文獻】：
期刊論文
[1]時態(tài)數(shù)據(jù)挖掘的相似性發(fā)現(xiàn)技術(shù)[J]. 潘定,沈鈞毅.  軟件學報. 2007(02)



本文編號：3120330