改进随机森林算法在电信业客户流失预测中的应用

发布时间：2017-07-27 16:36

  本文关键词：改进随机森林算法在电信业客户流失预测中的应用

  更多相关文章： 流失预测 随机森林 不平衡数据

【摘要】：为有效处理不平衡分类,提高电信业客户流失预测中高价值客户流失预测的准确率,提出改进的随机森林算法(IRFA).该算法改进随机森林中生成每棵树时节点划分的方法,基于客户生命价值划分节点,这是对信息增益的修改,不但解决数据分布不平衡问题,而且提高对有流失倾向的高价值客户预测的准确率.将算法应用于某电信公司的客户流失预测,实验表明,与其他方法相比,IRFA具有更好的分类性能,而且提高高价值客户流失预测的准确率.
【作者单位】： 中国科学技术大学计算机科学与技术学院;
【关键词】： 流失预测 随机森林 不平衡数据
【基金】：中央高校基本科研基金项目(No.WK2100100021)资助
【分类号】：F626;TP18
【正文快照】： 1引言随着电信行业的飞速发展,移动通信已在通讯媒介中占据主导地位,电信公司之间的竞争也越来越激烈.在市场趋于饱和的情况下,发展新客户的成本远大于保留现有客户的成本[1],因此,公司更重视现有客户的保留.对公司来说客户流失是一个很严重的问题,有必要构建旨在发现有流失倾

【相似文献】

中国期刊全文数据库 前10条

1 刘足华;熊惠霖;;基于随机森林的目标检测与定位[J];计算机工程;2012年13期

2 董师师;黄哲学;;随机森林理论浅析[J];集成技术;2013年01期

3 王象刚;;基于K均值随机森林快速算法及入侵检测中的应用[J];科技通报;2013年08期

4 陈姝;彭小宁;;基于粒子滤波和在线随机森林分类的目标跟踪[J];江苏大学学报(自然科学版);2014年02期

5 罗知林;陈挺;蔡皖东;;一个基于随机森林的微博转发预测算法[J];计算机科学;2014年04期

6 王丽婷;丁晓青;方驰;;基于随机森林的人脸关键点精确定位方法[J];清华大学学报(自然科学版);2009年04期

7 李建更;高志坤;;随机森林针对小样本数据类权重设置[J];计算机工程与应用;2009年26期

8 张建;武东英;刘慧生;;基于随机森林的流量分类方法[J];信息工程大学学报;2012年05期

9 吴华芹;;基于训练集划分的随机森林算法[J];科技通报;2013年10期

10 张华伟;王明文;甘丽新;;基于随机森林的文本分类模型研究[J];山东大学学报(理学版);2006年03期

中国重要会议论文全文数据库 前7条

1 谢程利;王金桥;卢汉清;;核森林及其在目标检测中的应用[A];第六届和谐人机环境联合学术会议（HHME2010)、第19届全国多媒体学术会议（NCMT2010）、第6届全国人机交互学术会议（CHCI2010）、第5届全国普适计算学术会议（PCC2010）论文集[C];2010年

2 武晓岩;方庆伟;;基因表达数据分析的随机森林方法及算法改进[A];黑龙江省第十次统计科学讨论会论文集[C];2008年

3 张天龙;梁龙;王康;李华;;随机森林结合激光诱导击穿光谱技术用于的钢铁分类[A];中国化学会第29届学术年会摘要集——第19分会：化学信息学与化学计量学[C];2014年

4 相玉红;张卓勇;;组蛋白去乙酰化酶抑制剂的构效关系研究[A];第十一届全国计算（机）化学学术会议论文摘要集[C];2011年

5 张涛;李贞子;武晓岩;李康;;随机森林回归分析方法及在代谢组学中的应用[A];2011年中国卫生统计学年会会议论文集[C];2011年

6 冯飞翔;冯辅周;江鹏程;刘菁;刘建敏;;随机森林和k-近邻法在某型坦克变速箱状态识别中的应用[A];第八届全国转子动力学学术讨论会论文集[C];2008年

7 曹东升;许青松;梁逸曾;陈宪;李洪东;;组合树的集合体和后向消除策略去分类P-糖蛋白化合物[A];第十届全国计算(机)化学学术会议论文摘要集[C];2009年

中国博士学位论文全文数据库 前4条

1 曹正凤;随机森林算法优化研究[D];首都经济贸易大学;2014年

2 雷震;随机森林及其在遥感影像处理中应用研究[D];上海交通大学;2012年

3 岳明;基于随机森林和规则集成法的酒类市场预测与发展战略[D];天津大学;2008年

4 李书艳;单点氨基酸多态性与疾病相关关系的预测及其机制研究[D];兰州大学;2010年

中国硕士学位论文全文数据库 前10条

1 钱维;药品不良反应监测中随机森林方法的建立与实现[D];第二军医大学;2012年

2 韩燕龙;基于随机森林的指数化投资组合构建研究[D];华南理工大学;2015年

3 贺捷;随机森林在文本分类中的应用[D];华南理工大学;2015年

4 张文婷;交通环境下基于改进霍夫森林的目标检测与跟踪[D];华南理工大学;2015年

5 李强;基于多视角特征融合与随机森林的蛋白质结晶预测[D];南京理工大学;2015年

6 袁芳娟;基于随机森林的年龄估计[D];河北工业大学;2012年

7 刘晓东;基于组合策略的随机森林方法研究[D];大连理工大学;2013年

8 舒翔;基于随机森林的目标跟踪算法研究[D];合肥工业大学;2013年

9 王肇宇;层级随机森林算法及其在人体活动识别应用研究[D];电子科技大学;2013年

10 李贞贵;随机森林改进的若干研究[D];厦门大学;2013年

，

本文编号：582392