电信客户流失量估计组合模型的仿真研究

发布时间：2020-02-07 22:27

【摘要】：研究电信客户流失问题,电信客户流失数据具有模糊性和非线性,单一算法仅能对模糊性或非线性进行预测,为提高电信客户流失估计准确率,提出了一种电信客户流失组合估计模型。首先对客户属性进行清洗并进行离散化处理,接着使用粗糙集方法对离散属性进行约简,刻画电信客户流失数据的模糊性;然后遗传算法优化支持向量机对电信客流失非线性进行描述,建立电信客户流失估计模型。仿真结果表明,粗糙集与支持向量机相融合模型克服单一粗糙集算法或支持向量机存在的缺陷,提高电信客户流失估计模型的估计准确率,可为电信客户管理优化设计提供依据。
【图文】：

Я魇У墓兰凭?度。针对支持向量机在电信客户流失建模过程中的参数优化难题，利用遗传算法极强的全局寻优能力，对SVM模型进行参数寻优，从而获得最优的SVM模型，以求获得更高的电信客户流失估计精度。综合上述可知，基于电信客户流失组合估计模型工作原理为:首先将影响电信客户的属性进行离散化处理，并利用RS理论进行属性约简，得到最简属性集，然后利用非线性映射线能力强的SVM建立客户流失估计器，，并利用遗传算法(GA)对SVM进行参数寻优，最后利用测试集对电信客户流失进行估计，从而得到较高的估计精度。其结构如图1所示。图1电信客户流失组合估计结构3电信客户流失组合估计模型3．1粗糙集理论RS理论是分析不完整、不确定性信息的强有力的工具，将研究对象视为一个信息系统，通过不可分辨关系和不可分辨论来确定出问题的近似解［12］。根据表达式中不同属性的重要性程度，在明确有用信息和冗余信息的前提下，有效地简化输入信息的空间维数，在保持分类能力不变或提高的前提下，通过知识约简，从训练数据集中导出分类规则。粗糙集属性约简方法在于对处理对象抽象成一个信息系统，可表示为:S=(U，A，V，f)(1)其中:U表示对象的集合;A表示属性集;R=C∪D表示属性集合，不相关的属性子集C和D分别称为条件属性和决策属性;V表示属性集的值域。f:U×R→V是一个信息函数，用来指定U中每一个对象的属性值。对于任一属性子集B

本文编号：2577317