隨著社會經(jīng)濟的快速發(fā)展,電信行業(yè)日趨成熟,行業(yè)競爭愈演愈烈,各大運營商逐漸將重點轉(zhuǎn)向以客戶為中心,突出客戶在運營商中的地位,而如何減少客戶的流失以及及時的挽回客戶將變得尤為關(guān)鍵。隨著人工智能的迅猛發(fā)展,將人工智能技術(shù)應用到電信行業(yè)的客戶分析中,可以有效降低電信行業(yè)的運營成本,提升客戶的保持率。目前大部分研究中使用的都是傳統(tǒng)的機器學習方法,需要對數(shù)據(jù)進行大量的預處理工作,特別是在特征工程上需要花費大量的時間和精力,隨著客戶數(shù)量的爆炸式增長,傳統(tǒng)機器學習方法已經(jīng)無法滿足大數(shù)據(jù)下的電信客戶的分析需求。而深度學習通過模擬人腦的思維方式,學習樣本數(shù)據(jù)的內(nèi)在規(guī)律和表示層次,能夠自動學習較好的數(shù)據(jù)特征,在文本、圖像、語音等方面都取得了顯著的效果。本文研究的重點是從某電信公司獲取客戶信息、賬戶信息以及增值業(yè)務(wù)等行為數(shù)據(jù),在經(jīng)過數(shù)據(jù)預處理包括缺失值處理、數(shù)值化、歸一化以及均衡化之后,使用深度學習算法,通過對電信客戶的行為數(shù)據(jù)構(gòu)建深層神經(jīng)網(wǎng)絡(luò)模型進行客戶的流失預測,與經(jīng)過人工特征選擇的邏輯回歸、支持向量機（SVM）模型進行了對比。針對深層神經(jīng)網(wǎng)絡(luò)層數(shù)過深,容易導致梯度消失的問題,使用Batch_N... 

【文章來源】：青海師范大學青海省

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【部分圖文】：

Sigmoid曲線圖

基于深度學習的電信客戶流失預測7如今所有的機器學習算法中，SVM表現(xiàn)出顯著的效果。SVM算法十分準確、健壯，屬于典型的二分類算法，可以支持線性和非線性的分類。（1）線性SVMSVM的分類效果圖如圖2-2所示：圖2-2SVM分類效果圖從圖上可知（a）是已存在的數(shù)據(jù)，上面有兩個不同的類別：紅色和藍色。從圖中可以看出紅藍類別顯然是線性可分的，并且存在多條能將其分開的直線。因此圖（b）和圖（c）可以輕易的給出兩種分類方案，其中分界線為黑色實線，也被稱為“決策面”。每條實線對應了一個線性分類器。從結(jié)果上看，雖然兩個分類器效果是一樣的。但是其性能如圖2-3所示也是存在差距的。圖2-3加入樣本點的SVM分類效果圖

基于深度學習的電信客戶流失預測7如今所有的機器學習算法中，SVM表現(xiàn)出顯著的效果。SVM算法十分準確、健壯，屬于典型的二分類算法，可以支持線性和非線性的分類。（1）線性SVMSVM的分類效果圖如圖2-2所示：圖2-2SVM分類效果圖從圖上可知（a）是已存在的數(shù)據(jù)，上面有兩個不同的類別：紅色和藍色。從圖中可以看出紅藍類別顯然是線性可分的，并且存在多條能將其分開的直線。因此圖（b）和圖（c）可以輕易的給出兩種分類方案，其中分界線為黑色實線，也被稱為“決策面”。每條實線對應了一個線性分類器。從結(jié)果上看，雖然兩個分類器效果是一樣的。但是其性能如圖2-3所示也是存在差距的。圖2-3加入樣本點的SVM分類效果圖

【參考文獻】：
期刊論文
[1]LSTM模型集成方法在客戶流失預測中的應用[J]. 周捷,嚴建峰,楊璐,夏鵬,王猛.  計算機應用與軟件. 2019(11)
[2]基于深度神經(jīng)網(wǎng)絡(luò)的客戶流失預測模型[J]. 馬文斌,夏國恩.  計算機技術(shù)與發(fā)展. 2019(09)
[3]面向機器學習的訓練數(shù)據(jù)集均衡化方法[J]. 李國和,張騰,吳衛(wèi)江,洪云峰,周曉明.  計算機工程與設(shè)計. 2019(03)
[4]基于評論情感傾向和神經(jīng)網(wǎng)絡(luò)的客戶流失預測研究[J]. 馮鑫,王晨,劉苑,楊婭,安海崗.  中國電子科學研究院學報. 2018(03)
[5]人工智能技術(shù)發(fā)展研究[J]. 賀倩.  現(xiàn)代電信科技. 2016(02)
[6]深度學習研究與進展[J]. 孫志遠,魯成祥,史忠植,馬剛.  計算機科學. 2016(02)
[7]基于改進聚類的電信客戶流失預測分析[J]. 姜曉娟,郭一娜.  太原理工大學學報. 2014(04)
[8]一種基于社會網(wǎng)絡(luò)的潛在流失客戶發(fā)現(xiàn)方法[J]. 黃婉秋.  北京交通大學學報. 2014(03)
[9]深度學習研究進展[J]. 劉建偉,劉媛,羅雄麟.  計算機應用研究. 2014(07)
[10]一種改進的深度神經(jīng)網(wǎng)絡(luò)在小圖像分類中的應用研究[J]. 呂剛,郝平,盛建榮.  計算機應用與軟件. 2014(04)

博士論文
[1]支持向量機算法的研究及其應用[D]. 范昕煒.浙江大學 2003

碩士論文
[1]深度神經(jīng)網(wǎng)絡(luò)的歸一化技術(shù)研究[D]. 王巖.南京郵電大學 2019
[2]電商平臺客戶流失預警分析及應用研究[D]. 艾金金.南京大學 2019
[3]針對匿名電信客戶數(shù)據(jù)的流失預測模型[D]. 李睿琪.中國科學技術(shù)大學 2017
[4]基于數(shù)據(jù)挖掘的電信客戶流失預測研究與應用[D]. 蔡曉鵬.湖南大學 2016



本文編號：3457730