基于數(shù)據(jù)挖掘的上海電信分公司客戶(hù)流失問(wèn)題實(shí)證研究.pdf

1、客戶(hù)流失問(wèn)題一直是電信公司最重視的問(wèn)題之一，客戶(hù)的流失會(huì)對(duì)企業(yè)造成極大的損失。數(shù)據(jù)挖掘在電信行業(yè)運(yùn)用越來(lái)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(hù)流失，基于數(shù)據(jù)挖掘知識(shí)的精準(zhǔn)營(yíng)銷(xiāo)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(jìng)逐市場(chǎng)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(yǔ)言實(shí)現(xiàn)電信數(shù)據(jù)預(yù)處理技術(shù)、高維不平衡數(shù)據(jù)的分類(lèi)算法、流失客戶(hù)聚類(lèi)技術(shù)并分析流失原因。
　　電

2、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(zhǔn)確率不高的一個(gè)重要原因，一直困擾著挖掘工作者。本文重點(diǎn)研究了處理高維不平衡電信數(shù)據(jù)和建立客戶(hù)流失分類(lèi)模型中的Bagging和AdaBoost以及隨機(jī)森林算法。實(shí)證結(jié)果表明，AdaBoost分類(lèi)模型較Bagging分類(lèi)模型的覆蓋率提高6％。優(yōu)化后的隨機(jī)森林模型誤判率由原來(lái)的86.96%降低到39.64%，此時(shí)模型處于最優(yōu)狀態(tài)。
　　本文研究了流失客戶(hù)的指標(biāo)特征，對(duì)比分析了流失客戶(hù)在通