本文關(guān)鍵詞：基于數(shù)據(jù)挖掘的上海電信分公司客戶流失問題實證研究

  更多相關(guān)文章： 數(shù)據(jù)挖掘 聚類算法 集成算法 電信數(shù)據(jù) R語言

【摘要】：客戶流失問題一直是電信公司最重視的問題之一,客戶的流失會對企業(yè)造成極大的損失。數(shù)據(jù)挖掘在電信行業(yè)運用越來越廣泛,挖掘的方法逐漸豐富,挖掘的深度也正在逐步加深。為減少客戶流失,基于數(shù)據(jù)挖掘知識的精準營銷備受電信企業(yè)的重視。數(shù)據(jù)量的大爆發(fā)使得數(shù)據(jù)挖掘成為企業(yè)競逐市場的重要手段,本文正式基于此背景下研究電信行業(yè)數(shù)據(jù)挖掘的方法。本文著重研究基于R語言實現(xiàn)電信數(shù)據(jù)預處理技術(shù)、高維不平衡數(shù)據(jù)的分類算法、流失客戶聚類技術(shù)并分析流失原因。電信行業(yè)數(shù)據(jù)的高維度性和不平衡性是造成模型不穩(wěn)定,準確率不高的一個重要原因,一直困擾著挖掘工作者。本文重點研究了處理高維不平衡電信數(shù)據(jù)和建立客戶流失分類模型中的Bagging和Ada Boost以及隨機森林算法。實證結(jié)果表明,Ada Boost分類模型較Bagging分類模型的覆蓋率提高6%。優(yōu)化后的隨機森林模型誤判率由原來的86.96%降低到39.64%,此時模型處于最優(yōu)狀態(tài)。本文研究了流失客戶的指標特征,對比分析了流失客戶在通信指標上與非流失客戶的區(qū)別,分析了總通話次數(shù)、總計費時長、上網(wǎng)總流量等通信指標對流失用戶起到關(guān)鍵性作用,最后從用戶使用的套餐系列角度具體分析了流失原因,為后續(xù)模型研究和公司決策提供了依據(jù)和方向。
【關(guān)鍵詞】：數(shù)據(jù)挖掘 聚類算法 集成算法 電信數(shù)據(jù) R語言
【學位授予單位】：重慶大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F274;F626
【目錄】：

• 中文摘要3-4
• 英文摘要4-7
• 1 緒論7-10
• 1.1 論文研究背景7
• 1.2 國內(nèi)外研究現(xiàn)狀7-8
• 1.2.1 國外研究現(xiàn)狀7-8
• 1.2.2 國內(nèi)研究現(xiàn)狀8
• 1.3 本文研究目的與內(nèi)容結(jié)構(gòu)8-10
• 1.3.1 研究目的8-9
• 1.3.2 研究內(nèi)容結(jié)構(gòu)9-10
• 2 數(shù)據(jù)的預處理技術(shù)10-21
• 2.1 數(shù)據(jù)清洗10-11
• 2.1.1 NA處理10-11
• 2.1.2 噪聲去除11
• 2.1.3 數(shù)據(jù)一致性檢測11
• 2.2 數(shù)據(jù)集成11-12
• 2.3 數(shù)據(jù)轉(zhuǎn)換12
• 2.4 數(shù)據(jù)歸約12
• 2.5 數(shù)據(jù)理解12
• 2.6 數(shù)據(jù)預處理實例分析12-21
• 2.6.1 缺失數(shù)據(jù)的檢查14-16
• 2.6.2 相關(guān)性分析16-17
• 2.6.3 主成分分析（PCA）17-19
• 2.6.4 探索性分析19-21
• 3 數(shù)據(jù)挖掘技術(shù)與工具21-29
• 3.1 聚類方法21-25
• 3.1.1 K-Means（K-均值聚類法）21
• 3.1.2 DBSCAN（基于密度聚類）21-22
• 3.1.3 K-Medoids（K-中心點聚類）22
• 3.1.4 EM（期望最大化聚類）22
• 3.1.5 兩步聚類原理22-23
• 3.1.6 聚類實例分析23-25
• 3.2 分類方法25
• 3.3 關(guān)聯(lián)規(guī)則25
• 3.4 時間序列25-26
• 3.5 數(shù)據(jù)挖掘的一般過程26
• 3.6 R語言-數(shù)據(jù)挖掘工具26-29
• 4 客戶流失分類模型研究29-46
• 4.1 基于數(shù)據(jù)樣本的集成學習29-30
• 4.2 基于特征的集成學習30-31
• 4.3 高維不平衡數(shù)據(jù)實驗研究31-46
• 4.3.1 Bagging算法實現(xiàn)32-35
• 4.3.2 基于特征選擇的Adaboost算法實現(xiàn)35-37
• 4.3.3 隨機森林的算法實現(xiàn)37-46
• 5 用戶流失分析與研究46-58
• 5.1 套餐系列（等級）分析46-48
• 5.2 通信指標特征研究48-50
• 5.3 指標間相關(guān)性分析50-51
• 5.4 流失指標的因子分析51-54
• 5.5 流失用戶聚類研究54-56
• 5.6 流失原因分析56-58
• 6 結(jié)論與展望58-60
• 6.1 本文總結(jié)58-59
• 6.2 展望59-60
• 致謝60-61
• 參考文獻61-62

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 韓海萌;信息時代的指南針——數(shù)據(jù)挖掘[J];江蘇統(tǒng)計;2002年05期

2 韓雙霞;李萍;;數(shù)據(jù)挖掘:構(gòu)筑企業(yè)競爭優(yōu)勢[J];金卡工程;2002年08期

3 李菁菁,邵培基,黃亦瀟;數(shù)據(jù)挖掘在中國的現(xiàn)狀和發(fā)展研究[J];管理工程學報;2004年03期

4 ;中國科學院數(shù)據(jù)挖掘與知識管理學術(shù)研討會在京舉行[J];管理評論;2004年07期

5 李峰;數(shù)據(jù)挖掘在企業(yè)中的應用[J];商場現(xiàn)代化;2004年15期

6 魏瑜,陸靜;數(shù)據(jù)挖掘與統(tǒng)計學的關(guān)系淺析[J];沿海企業(yè)與科技;2005年09期

7 羅錦珠;數(shù)據(jù)挖掘與知識管理的結(jié)合應用[J];技術(shù)經(jīng)濟;2005年10期

8 袁衛(wèi),林楨順,謝邦昌;工業(yè)領(lǐng)域的數(shù)據(jù)挖掘——改善流程,提高效率[J];中國統(tǒng)計;2005年04期

9 王琳;;統(tǒng)計學方法在數(shù)據(jù)挖掘中的應用[J];當代經(jīng)理人;2006年02期

10 劉曉華;;數(shù)據(jù)挖掘在商業(yè)中的應用[J];商場現(xiàn)代化;2006年34期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 史東輝;蔡慶生;張春陽;;一種新的數(shù)據(jù)挖掘多策略方法研究[A];第十七屆全國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2000年

2 張弦;;數(shù)據(jù)挖掘在農(nóng)業(yè)中的應用[A];紀念中國農(nóng)業(yè)工程學會成立30周年暨中國農(nóng)業(yè)工程學會2009年學術(shù)年會（CSAE 2009）論文集[C];2009年

3 魏順平;;教育數(shù)據(jù)挖掘:現(xiàn)狀與趨勢[A];信息化、工業(yè)化融合與服務創(chuàng)新——第十三屆計算機模擬與信息技術(shù)學術(shù)會議論文集[C];2011年

4 關(guān)清平;沉培輝;;概率網(wǎng)絡在數(shù)據(jù)挖掘上的應用[A];科技、工程與經(jīng)濟社會協(xié)調(diào)發(fā)展——中國科協(xié)第五屆青年學術(shù)年會論文集[C];2004年

5 丁瑾;;基于Web數(shù)據(jù)挖掘的綜述[A];山西省科學技術(shù)情報學會學術(shù)年會論文集[C];2004年

6 聶茹;田森平;;Web數(shù)據(jù)挖掘及其在電子商務中的應用[A];中南六省（區(qū)）自動化學會第24屆學術(shù)年會會議論文集[C];2006年

7 李菊;王軍;;數(shù)據(jù)挖掘在客戶關(guān)系管理的應用[A];計算機技術(shù)與應用進展·2007——全國第18屆計算機技術(shù)與應用（CACIS）學術(shù)會議論文集[C];2007年

8 肖陽;李啟賢;;數(shù)據(jù)挖掘在中國鋼鐵行業(yè)中的應用[A];中國計量協(xié)會冶金分會2012年會暨能源計量與節(jié)能降耗經(jīng)驗交流會論文集[C];2012年

9 楊磊;王貴成;汪勇;張占勝;;SQL Server 2005在數(shù)據(jù)挖掘中的應用[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

10 謝中;邱玉輝;;面向商務網(wǎng)站有效性的數(shù)據(jù)挖掘方法[A];第十八屆全國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2001年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 本報記者褚寧;數(shù)據(jù)挖掘如“挖金”[N];解放日報;2002年

2 周蓉蓉;數(shù)據(jù)挖掘需要點想像力[N];計算機世界;2004年

3 □中國電信股份有限公司北京研究院 張舒博 □北京郵電大學計算機科學與技術(shù)學院 牛琨;走出數(shù)據(jù)挖掘的誤區(qū)[N];人民郵電;2006年

4 《網(wǎng)絡世界》記者 王瑩;數(shù)據(jù)挖掘保險業(yè)的新藍海[N];網(wǎng)絡世界;2012年

5 劉俊麗;基于地理化的網(wǎng)絡數(shù)據(jù)挖掘與分析提升投資有效性[N];人民郵電;2014年

6 本報記者 連曉東;數(shù)據(jù)挖掘：金融信息化新熱點[N];中國電子報;2002年

7 本報記者 鳳小華 朱仁康;“數(shù)字挖掘軟件”引領(lǐng)中國信息化新浪潮[N];中國電子報;2003年

8 本報記者　史延廷;“成功企業(yè)數(shù)據(jù)挖掘暨數(shù)量化管理論壇”在京舉辦[N];中國旅游報;2002年

9 朱小寧;數(shù)據(jù)挖掘：信息化戰(zhàn)爭的基礎(chǔ)工程[N];解放軍報;2005年

10 本報記者 王小平;從“大集中”走向數(shù)據(jù)挖掘[N];金融時報;2002年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 于自強;海量流數(shù)據(jù)挖掘相關(guān)問題研究[D];山東大學;2015年

2 張馨;全基因組SNP芯片應用于CNV和L0H分析的軟件比對與數(shù)據(jù)挖掘[D];復旦大學;2011年

3 彭計紅;基于數(shù)據(jù)挖掘的癡呆中醫(yī)證的研究[D];南京中醫(yī)藥大學;2015年

4 李秋虹;基于MapReduce的大規(guī)模數(shù)據(jù)挖掘技術(shù)研究[D];復旦大學;2013年

5 鄔文帥;基于多目標決策的數(shù)據(jù)挖掘方法評估與應用[D];電子科技大學;2015年

6 謝邦彥;整合數(shù)據(jù)挖掘與TRIZ理論的質(zhì)量管理方法研究[D];首都經(jīng)濟貿(mào)易大學;2010年

7 李榮;生物信息數(shù)據(jù)挖掘若干關(guān)鍵問題研究與應用[D];復旦大學;2004年

8 李玉華;面向服務的數(shù)據(jù)挖掘關(guān)鍵技術(shù)研究[D];華中科技大學;2006年

9 吳少智;時間序列數(shù)據(jù)挖掘在生物醫(yī)學中的應用研究[D];電子科技大學;2010年

10 王珊珊;知識指導下的數(shù)據(jù)挖掘在新聞和金融工具之間因果關(guān)系上的應用[D];中國科學技術(shù)大學;2009年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 林仁紅;基于數(shù)據(jù)挖掘的機遇識別與評價研究[D];首都經(jīng)濟貿(mào)易大學;2007年

2 張彥俊;游戲運營中的數(shù)據(jù)挖掘[D];復旦大學;2011年

3 焦亞召;基于多核函數(shù)FCM算法在數(shù)據(jù)挖掘聚類中的應用研究[D];昆明理工大學;2015年

4 王杰鋒;物聯(lián)網(wǎng)能耗數(shù)據(jù)智能分析及其應用平臺設(shè)計[D];江南大學;2015年

5 劉學建;數(shù)據(jù)挖掘在電子商務推薦系統(tǒng)中的應用研究[D];昆明理工大學;2015年

6 戴陽陽;基于數(shù)據(jù)挖掘的金融時間序列預測研究與應用[D];江南大學;2015年

7 石思優(yōu);基于主題模型的醫(yī)療數(shù)據(jù)挖掘研究[D];廣東技術(shù)師范學院;2015年

8 陳丹;移動互聯(lián)網(wǎng)信令挖掘?qū)崿F(xiàn)智慧營銷的設(shè)計與實現(xiàn)應用研究[D];華南理工大學;2015年

9 陳思;基于數(shù)據(jù)挖掘的大學生客戶識別模型的研究[D];昆明理工大學;2015年

10 位長帥;基于客戶數(shù)據(jù)挖掘的電信客戶關(guān)系管理研究[D];西南交通大學;2015年

，

本文編號：845494