基于決策樹(shù)的移動(dòng)通信用戶(hù)流失預(yù)警模型研究與實(shí)現(xiàn).pdf

1、移動(dòng)通信行業(yè)的發(fā)展和移動(dòng)互聯(lián)網(wǎng)行業(yè)的繁榮吸引了越來(lái)越多的企業(yè)。市場(chǎng)競(jìng)爭(zhēng)日益激烈,使得許多企業(yè)都存在不同程度的用戶(hù)流失現(xiàn)象。通過(guò)數(shù)據(jù)挖掘的方法,對(duì)企業(yè)擁有的大量用戶(hù)數(shù)據(jù)進(jìn)行分析,能夠獲得流失用戶(hù)的數(shù)據(jù)特征,并依據(jù)這些特征做出相應(yīng)的商業(yè)決策,以減少用戶(hù)的流失。用戶(hù)流失預(yù)警成為企業(yè)實(shí)施用戶(hù)管理的重要方面。
　　目前,解決用戶(hù)流失預(yù)警問(wèn)題的方法理論已經(jīng)比較成熟,本文在已有研究的基礎(chǔ)上,選取不同的用戶(hù)屬性,對(duì)用戶(hù)流失預(yù)警問(wèn)題進(jìn)行了研究。使用

2、帶有聚類(lèi)輔助的決策樹(shù)算法,完成了用戶(hù)流失預(yù)警問(wèn)題的研究。主要內(nèi)容如下:
　　首先,使用聚類(lèi)算法對(duì)用戶(hù)數(shù)據(jù)進(jìn)行了分析。聚類(lèi)算法能夠?qū)?shù)量龐大的用戶(hù)數(shù)據(jù)進(jìn)行無(wú)監(jiān)督分類(lèi)。通過(guò)對(duì)用戶(hù)數(shù)據(jù)進(jìn)行聚類(lèi)分析,得出了流失用戶(hù)主要集中的類(lèi)別,以及這些類(lèi)別的一些數(shù)據(jù)特征。對(duì)聚類(lèi)結(jié)果的分析為篩選研究?jī)r(jià)值更高的用戶(hù)數(shù)據(jù)進(jìn)行決策樹(shù)建模提供了依據(jù)。
　　其次,使用決策樹(shù)算法對(duì)用戶(hù)流失預(yù)警問(wèn)題進(jìn)行了研究,構(gòu)建了用戶(hù)流失預(yù)警的決策樹(shù)模型。在聚類(lèi)分析的基礎(chǔ)上,

3、整理篩選出用于構(gòu)建決策樹(shù)模型的樣本數(shù)據(jù)以及用于模型驗(yàn)證的測(cè)試數(shù)據(jù)。按照數(shù)據(jù)挖掘的標(biāo)準(zhǔn)流程,合并研究?jī)r(jià)值較高的類(lèi)別下的用戶(hù)數(shù)據(jù),執(zhí)行決策樹(shù)算法,得到用戶(hù)流失的決策樹(shù)預(yù)警模型。隨后,本文還對(duì)模型進(jìn)行了評(píng)估,從準(zhǔn)確率、提升度方面驗(yàn)證了已得到的決策樹(shù)模型具有良好的用戶(hù)流失預(yù)警功能。
　　最后,根據(jù)用戶(hù)流失預(yù)警模型設(shè)計(jì)了預(yù)警系統(tǒng)的基本框架。對(duì)于已經(jīng)構(gòu)建的模型,需要經(jīng)過(guò)實(shí)際應(yīng)用才能發(fā)現(xiàn)新的問(wèn)題。本文依據(jù)數(shù)據(jù)挖掘的流程,結(jié)合數(shù)據(jù)倉(cāng)庫(kù)技術(shù),完成了

4、用戶(hù)流失預(yù)警系統(tǒng)的邏輯設(shè)計(jì)、功能設(shè)計(jì)以及模塊設(shè)計(jì)。系統(tǒng)設(shè)計(jì)的同時(shí),還考慮了系統(tǒng)的可擴(kuò)展性。
　　本文選取了多個(gè)類(lèi)別的用戶(hù)數(shù)據(jù)進(jìn)行研究。樣本數(shù)據(jù)來(lái)源于某運(yùn)營(yíng)商的用戶(hù)數(shù)據(jù)。為保證用戶(hù)數(shù)據(jù)的時(shí)效性,本文設(shè)定了時(shí)間窗口,所有用戶(hù)數(shù)據(jù)均生成于設(shè)定的時(shí)間窗口之內(nèi)。除了包含用戶(hù)的通話信息、區(qū)域信息等基本信息之外,還加入了用戶(hù)的上網(wǎng)流量信息,并將流量信息作為用戶(hù)的重要屬性進(jìn)行研究。將用戶(hù)流量信息在時(shí)間窗口之內(nèi)的統(tǒng)計(jì)特征作為新的用戶(hù)屬性,用于構(gòu)建模