基于B-SMOTE1-XGBoost预测电信客户流失

Prediction of Telecom Customer Churn Based on B-SMOTE1-XGBoost

导出

摘要常用的单一机器学习分类算法在针对不平衡数据时往往追求较高的准确率,却忽视了现实意义。针对这种问题,引入F1、AUC值评估分类器性能的优劣,引入k折交叉方式衡量模型稳健性。构建B-SMOTE1-XGBoost模型,即首先对处理好的数据采用B-SMOTE1算法(Borderline-SMOTE1)对数据进行过采样,然后采取XGBoost算法进行分类预测。在对比传统分类算法以及组合算法中,本模型明显提高了客户流失的准确率、F1值、AUC值以及五折交叉验证均值。证实B-SMOTE1-XGBoost模型能够有效提升客户流失的预测效果,并且对样本量较少情况也适用。

作者陈可

机构地区安徽大学经济学院

出处《郑州师范教育》 2022年第4期21-26,共6页 Journal of Zhengzhou Normal Education

关键词 B-SMOTE1 XGBoost 客户流失

分类号 TP311.13 [自动化与计算机技术—计算机软件与理论] F626 [经济管理—产业经济] F274 [经济管理—企业管理]

引文网络
相关文献

参考文献13

1李为康,杨小兵.一种基于双层融合结构的客户流失预测模型[J].小型微型计算机系统,2020,41(8):1634-1640. 被引量：5
2XU Xiaolong,CHEN Wen,SUN Yanfei.Over-sampling algorithm for imbalanced data classification[J].Journal of Systems Engineering and Electronics,2019,30(6):1182-1191. 被引量：9
3孟东霞,李玉鑑.基于特征边界欠采样的不平衡数据处理方法[J].统计与决策,2021(11):30-33. 被引量：7
4李波,谢玖祚.生成对抗网络的银行不平衡客户流失预测研究[J].重庆理工大学学报（自然科学）,2021,35(8):136-143. 被引量：7
5陈海龙,杨畅,杜梅,张颖宇.基于边界自适应SMOTE和Focal Loss函数改进LightGBM的信用风险预测模型[J].计算机应用,2022,42(7):2256-2264. 被引量：7
6王乐,韩萌,李小娟,张妮,程浩东.不平衡数据集分类方法综述[J].计算机工程与应用,2021,57(22):42-52. 被引量：37
7凌毓,张金区,李乡儒,李慧.基于XGBoost的单脉冲信号识别研究[J].天文研究与技术,2022,19(3):264-273. 被引量：5
8杨毅,卢诚波,徐根海.面向不平衡数据集的一种精化Borderline-SMOTE方法[J].复旦学报（自然科学版）,2017,56(5):537-544. 被引量：24
9梁路,王彪,王剑辉,刘冬宁.基于细精度关联规则挖掘的电信客户流失分析[J].智能系统学报,2015,10(3):407-413. 被引量：2
10邱一卉.基于剪枝随机森林的电信行业客户流失预测[J].厦门大学学报（自然科学版）,2014,53(6):817-823. 被引量：7

二级参考文献75

1蒋国瑞,司学峰.基于代价敏感SVM的电信客户流失预测研究[J].计算机应用研究,2009,26(2):521-523. 被引量：21
2张喆,常桂然,黄小原.一种基于遗传算法的多重决策树组合分类方法[J].系统工程理论与实践,2004,24(4):63-69. 被引量：6
3蒙肖莲,蔡淑琴,杜宽旗,寇建亭.商业银行客户流失预测模型研究[J].系统工程,2004,22(12):67-71. 被引量：19
4贺炜,潘泉,陈玉春,张洪才.关联规则挖掘与因果关系发现的比较研究[J].模式识别与人工智能,2005,18(3):328-333. 被引量：6
5王鑫,王洪国,王珺,王金枝.数据挖掘中聚类方法比较研究[J].计算机技术与发展,2006,16(10):20-22. 被引量：22
6应维云,覃正,赵宇,李兵,李秀.SVM方法及其在客户流失预测中的应用研究[J].系统工程理论与实践,2007,27(7):105-110. 被引量：30
7朱扬勇,熊赟.DNA序列数据挖掘技术[J].软件学报,2007,18(11):2766-2781. 被引量：37
8C. B. Bhattacharya.When customers are members: Customer retention in paid membership contexts[J].Journal of the Academy of Marketing Science.1998(1)
9KIM H S, YOON C H. Determinants of subscriber churn and customer loyalty in the Korean mobile telephony market[J]. Telecommunications Policy, 2004, 28(9/10): 751-765.
10MOZER M C, WOLNIEWICZ R, GRIMES D B, et al. Predicting subscriber dissatisfaction and improving retention in the wireless telecommunications industry[J]. IEEE Transactions on Neural Networks, 2000, 11(3): 690-696.

共引文献125

1马贺,宋媚,祝义.改进边界分类的Borderline-SMOTE过采样方法[J].南京大学学报（自然科学版）,2023,59(6):1003-1012. 被引量：1
2谭本艳,林玉洁.基于SMOTE-LR模型的上市公司失信风险评价研究[J].开发性金融研究,2023(3):17-27.
3孙庆文,郭伟伟,栾晓慧.赊销最佳时机选择的集成式决策模型与方法[J].系统工程理论与实践,2017,37(1):151-158.
4王彦博,刘曦子,陈进.大数据时代商业银行小微金融客户续贷预测研究[J].浙江社会科学,2017(6):36-44. 被引量：7
5崔伟,夏汛,孙瑜鲁.基于随机KNN特征选择的高质量移动通信用户预测[J].现代计算机（中旬刊）,2017(9):9-12. 被引量：2
6孔清清,丁香乾,宫会丽.改进的修剪随机森林算法在烟叶近红外光谱产地识别中的应用研究[J].激光与光电子学进展,2018,55(1):440-445. 被引量：12
7张珠香,骆念蓓.基于生存分析模型的电信客户流失研究[J].福州大学学报（哲学社会科学版）,2018,32(1):50-56. 被引量：4
8卢美琴,吴传威.商业银行贵宾客户流失预测研究[J].福建商学院学报,2018(2):31-36. 被引量：3
9王秋菲,唐冰洁.基于支持向量机的建筑企业利润总额预测——以辽宁省建筑企业为例[J].沈阳建筑大学学报（社会科学版）,2018,20(3):275-280.
10张斌,彭其渊.基于铁路货运价值分类的客户流失预测研究[J].铁道科学与工程学报,2018,15(4):1059-1066. 被引量：4

1邵为希.基于Stacking集成学习的心脏病诊断方法[J].现代信息科技,2022,6(24):97-99. 被引量：1
2董佳.融合采样算法的信贷不平衡数据分类研究[J].商情,2023(2):41-44.

郑州师范教育

2022年第4期

浏览历史

内容加载中请稍等...

基于B-SMOTE1-XGBoost预测电信客户流失

参考文献13

二级参考文献75

共引文献125

相关作者

相关机构

相关主题

浏览历史