K均值决策树优化算法在电信客户预测中的应用研究

发布时间：2021-11-21 17:23

　　随着信息技术的不断发展,我国通信行业的规模越来越大。客户服务已经成为大多数企业的核心竞争力,对于以服务为主的电信行业更是如此。电信用户对于综合服务体验的要求越来越高,如何保持用户满意,防止客户流失成为每个电信企业不得不面对的全新课题。本论文基于数据挖掘和分析算法,针对电信行业客户的特点,建立客户流失分析模型,对电信行业客户流失进行预测和分析,找到客户流失的原因,有针对性的帮助电信企业制定营销策略,保持客户忠诚度。本文在研究国内外客户流失预测算法的基础上,分析了电信企业客户流失原因和对策。研究了如何通过聚类算法给客户分群,采用了一种改进的k-平均算法来得到具有相似特征的用户群体,通过客户聚类分析有利于发现具有客户流失倾向的客户行为特征,从而有助于根据不同客户群体特征制定客户挽留措施。还研究了如何用判定树分类进行客户流失预测,在研究了判定树基本算法的基础上,研究了判定树属性选择度量、判定树剪枝方法等技术,建立了分类模型。然后基于根据改进后的K-平均算法和决策树分类算法建立了电信企业客户流失预测模型,并使用真实数据对模型的有效性进行了检验,该模型的准确率高达80%。最后基于J2EE技术设计开... 

【文章来源】：吉林农业大学吉林省

【文章页数】：52 页

【学位级别】：硕士

【部分图文】：

J2EE应用多层分布式架构

信客户流失预测系统的设客户分类两个层面，基于 K 均值本章将基于 J2EE 技术设计并实系统总体架构是通过前面对于电信客户流失预息，建立客户流失与消费习惯、客户流失行为进行有效预测，并提留和营销活动提供支持。根据系构如图 5.1 所示。模型库 知识库

图 5.7 数据清洗用例图Fig.5.7 data cleaning use case diagram测：流失预测分为模型建立和业务应用两部分。其中模型测模型，选择模型所使用的的算法，确定模型参数，然后型进行训练，直到模型达到精度要求。业务应用部分由业入到系统中，得到该用户的流失倾向分析结果，并得出客能的用例分析图。

【参考文献】：
期刊论文
[1]基于MapReduce的分布式网络数据聚类算法[J]. 陈东明,刘健,王冬琦,徐晓伟.  计算机工程. 2013(07)
[2]数据挖掘领域的科研合作网络分析[J]. 张玉涛,李雷明子,王继民,王建冬.  图书情报工作. 2012(06)
[3]基于代价敏感SVM的电信客户流失预测研究[J]. 蒋国瑞,司学峰.  计算机应用研究. 2009(02)
[4]SVM方法及其在客户流失预测中的应用研究[J]. 应维云,覃正,赵宇,李兵,李秀.  系统工程理论与实践. 2007(07)
[5]改进的k-平均聚类算法研究[J]. 孙士保,秦克云.  计算机工程. 2007(13)
[6]基于改进支持向量机的客户流失分析研究[J]. 赵宇,李兵,李秀,刘文煌,任守榘.  计算机集成制造系统. 2007(01)
[7]数据挖掘在电信客户流失分析中的应用[J]. 仇春芳,李卫卫.  通信世界. 2007(05)
[8]基于模糊聚类分析的田间精确管理分区研究[J]. 李艳,史舟,吴次芳,李锋,程街亮.  中国农业科学. 2007(01)
[9]创建决策树算法的比较研究——ID3,C4.5,C5.0算法的比较[J]. 李强.  甘肃科学学报. 2006(04)
[10]基于粗集理论的客户流失建模研究[J]. 史芳丽,周亚莉.  统计与决策. 2006(22)



本文编号：3509922