SVM方法及其在客户流失预测中的应用研究

发布时间：2018-09-02 07:01

【摘要】：客户流失分析与预测是客户关系管理的重要内容.针对客户流失问题,建立了支持向量机预测模型.针对实际客户流失数据中正负样本数量不平衡而且数据量大的特点,提出带有不同类权重参数的支持向量机算法CW-SVM,通过调整类权重参数改变分类面位置,提高算法分类准确性;将标准支持向量机训练问题转化为运算效率更高的核向量机问题,提出处理不平衡海量数据集的CWC-SVM算法.通过实际银行信贷客户数据集测试,该算法与传统预测算法比较,更适合解决大数据集和不平衡数据,取得较好的客户流失预测效果.
[Abstract]:Customer churn analysis and prediction is an important content of customer relationship management. Aiming at the problem of customer churn, the prediction model of support vector machine is established. Aiming at the imbalance of positive and negative samples and the large amount of data in the actual customer churn data, the support vector machine (CW-SVM,) algorithm with different class weight parameters is proposed to change the classification surface position by adjusting the class weight parameters to improve the classification accuracy. The standard support vector machine training problem is transformed into a kernel vector machine problem with higher computational efficiency. A CWC-SVM algorithm is proposed to deal with unbalanced mass data sets. Compared with the traditional prediction algorithm, this algorithm is more suitable to solve the big data set and unbalanced data, and obtain better customer churn prediction effect by testing the actual bank credit customer data set.
【作者单位】： 西安交通大学管理学院 上海财经大学信息管理与工程学院 清华大学国家CIMS工程研究中心 清华大学国家CIMS工程研究中心 清华大学国家CIMS工程研究中心
【基金】：国家自然科学基金(70671059)
【分类号】：F274;F224

【参考文献】

相关期刊论文 前1条

1 许建华,张学工,李衍达;支持向量机的新发展[J];控制与决策;2004年05期

【共引文献】

相关期刊论文 前10条

1 杨波;郑颖人;唐晓松;李安洪;;人工智能在双排全长式抗滑桩设计中的应用[J];地下空间与工程学报;2010年02期

2 唐晓松;郑颖人;段永胜;李安洪;;人工智能在埋入式抗滑桩设计中的应用[J];地下空间与工程学报;2010年02期

3 罗婷婷;范太华;;支持向量机核函数及优化研究[J];兵工自动化;2007年10期

4 戴洪德;陈明;周绍磊;李娟;;惯性导航系统非线性初始对准的LS-SVM方法研究[J];传感技术学报;2007年07期

5 谭琨;杜培军;郑辉;;支持向量机在空间信息处理领域的应用研究[J];测绘科学;2007年02期

6 王小美;逄云峰;杜培军;谭琨;李光丽;;高光谱遥感影像支持向量机分类中噪声影响的研究[J];测绘科学;2011年02期

7 周云龙;顾杨杨;;基于独立分量分析和支持向量机的气液两相流流型识别[J];东北电力大学学报;2012年01期

8 王炜,刘悦,李国正,吴耿锋,林命周,马钦忠,赵利飞;中国大陆强震时间序列预测的支持向量机方法[J];地震;2005年04期

9 李志雄;王志成;袁锡文;邱雪强;林军;;基于小波变换和支持向量机的中国大陆强震预测[J];地震;2006年03期

10 秦玉平;王秀坤;;一种改进的快速支持向量机分类算法研究[J];大连理工大学学报;2007年02期

相关会议论文 前8条

1 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年

2 袁从贵;张新政;陈旭;;基于偏互信息与定尺度最小二乘支持向量机的咸潮预测模型[A];中国自动化学会控制理论专业委员会C卷[C];2011年

3 ;Wastewater Treatment Prediction Based on Chaos-GA Optimized LS-SVM[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

4 董泽;纪国瑞;王东风;韩璞;徐大平;;基于置信机的风电场风速预测误差补偿[A];全国第二届信号处理与应用学术会议专刊[C];2008年

5 董泽;纪国瑞;王东风;韩璞;徐大平;;基于归纳置信机的风电场风速容许区间预测[A];全国第二届信号处理与应用学术会议专刊[C];2008年

6 刘碧森;姚宇;;粗SVM理论及其在税收预测中的应用[A];第三届全国信息获取与处理学术会议论文集[C];2005年

7 何鹏;王雅琳;桂卫华;阳春华;;基于混沌优化的氧化铝返料成分支持向量机预测[A];有色金属工业科学发展——中国有色金属学会第八届学术年会论文集[C];2010年

8 田金信;张国永;郭志达;;基于支持向量机改进的VaR模型研究[A];第八届中国管理科学学术年会论文集[C];2006年

相关博士学位论文 前10条

1 汪春梅;癫痫脑电信号特征提取与自动检测方法研究[D];华东理工大学;2011年

2 王冬丽;基于可扩展的支持向量机分类算法及在信用评级中的应用[D];东华大学;2011年

3 王辉;珠三角花岗岩残积土边坡稳定性分析及非线性预测[D];吉林大学;2011年

4 叶洪涛;基于免疫算法的污水处理系统预测及优化控制研究[D];华南理工大学;2011年

5 高翔;浅埋地层探地雷达信号处理与目标识别研究[D];中国海洋大学;2011年

6 梁莹;INS/地磁匹配组合导航系统技术研究[D];哈尔滨工程大学;2010年

7 黄贤源;多波束测深数据质量控制方法研究[D];解放军信息工程大学;2011年

8 王敏;帕金森病患者的辅助诊断与手运动补偿研究[D];华东理工大学;2012年

9 赵晖;支持向量机分类方法及其在文本分类中的应用研究[D];大连理工大学;2006年

10 李巧茹;交通网络动态配流及其相关问题研究[D];天津大学;2006年

相关硕士学位论文 前10条

1 周广千;模糊支持向量机在人脸识别中的应用[D];长沙理工大学;2010年

2 肖宇;基于支持向量机的供应链合作伙伴选择算法[D];华东师范大学;2011年

3 郭鲁强;基于二维熵图像处理和SVM的空中目标识别研究[D];哈尔滨理工大学;2010年

4 郝建青;基于FPGA的电容层析成像系统图像重建算法研究[D];哈尔滨理工大学;2010年

5 胡永正;交叉口多相位智能模糊仿真控制研究与实现[D];电子科技大学;2010年

6 贺建军;基于SVM的客户流失预测研究[D];昆明理工大学;2009年

7 柴进;视频监控中的人数统计和人群密度分析[D];西安电子科技大学;2011年

8 王欣冉;基于小波包与最小二乘支持向量机的时间序列预测研究[D];中国地质大学（北京）;2011年

9 魏继翔;基于特征提取的酶识别问题研究[D];山东经济学院;2011年

10 沈飞;模糊支持向量机在人脸识别中的应用[D];吉林大学;2011年

【相似文献】

相关期刊论文 前10条

1 郑先越;刘志焘;;一种基于支持向量机的客户满意度评价方法[J];商场现代化;2007年02期

2 吴晓渊,孟兆炜;数据挖掘技术在客户关系管理系统中的应用[J];广西科学院学报;2003年04期

3 张安安;熊v炵，

本文编号：2218623