基于数据挖掘的上海电信分公司客户流失问题实证研究

发布时间：2017-09-13 19:33

  本文关键词：基于数据挖掘的上海电信分公司客户流失问题实证研究

  更多相关文章： 数据挖掘 聚类算法 集成算法 电信数据 R语言

【摘要】：客户流失问题一直是电信公司最重视的问题之一,客户的流失会对企业造成极大的损失。数据挖掘在电信行业运用越来越广泛,挖掘的方法逐渐丰富,挖掘的深度也正在逐步加深。为减少客户流失,基于数据挖掘知识的精准营销备受电信企业的重视。数据量的大爆发使得数据挖掘成为企业竞逐市场的重要手段,本文正式基于此背景下研究电信行业数据挖掘的方法。本文着重研究基于R语言实现电信数据预处理技术、高维不平衡数据的分类算法、流失客户聚类技术并分析流失原因。电信行业数据的高维度性和不平衡性是造成模型不稳定,准确率不高的一个重要原因,一直困扰着挖掘工作者。本文重点研究了处理高维不平衡电信数据和建立客户流失分类模型中的Bagging和Ada Boost以及随机森林算法。实证结果表明,Ada Boost分类模型较Bagging分类模型的覆盖率提高6%。优化后的随机森林模型误判率由原来的86.96%降低到39.64%,此时模型处于最优状态。本文研究了流失客户的指标特征,对比分析了流失客户在通信指标上与非流失客户的区别,分析了总通话次数、总计费时长、上网总流量等通信指标对流失用户起到关键性作用,最后从用户使用的套餐系列角度具体分析了流失原因,为后续模型研究和公司决策提供了依据和方向。
【关键词】：数据挖掘 聚类算法 集成算法 电信数据 R语言
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F274;F626
【目录】：

• 中文摘要3-4
• 英文摘要4-7
• 1 绪论7-10
• 1.1 论文研究背景7
• 1.2 国内外研究现状7-8
• 1.2.1 国外研究现状7-8
• 1.2.2 国内研究现状8
• 1.3 本文研究目的与内容结构8-10
• 1.3.1 研究目的8-9
• 1.3.2 研究内容结构9-10
• 2 数据的预处理技术10-21
• 2.1 数据清洗10-11
• 2.1.1 NA处理10-11
• 2.1.2 噪声去除11
• 2.1.3 数据一致性检测11
• 2.2 数据集成11-12
• 2.3 数据转换12
• 2.4 数据归约12
• 2.5 数据理解12
• 2.6 数据预处理实例分析12-21
• 2.6.1 缺失数据的检查14-16
• 2.6.2 相关性分析16-17
• 2.6.3 主成分分析（PCA）17-19
• 2.6.4 探索性分析19-21
• 3 数据挖掘技术与工具21-29
• 3.1 聚类方法21-25
• 3.1.1 K-Means（K-均值聚类法）21
• 3.1.2 DBSCAN（基于密度聚类）21-22
• 3.1.3 K-Medoids（K-中心点聚类）22
• 3.1.4 EM（期望最大化聚类）22
• 3.1.5 两步聚类原理22-23
• 3.1.6 聚类实例分析23-25
• 3.2 分类方法25
• 3.3 关联规则25
• 3.4 时间序列25-26
• 3.5 数据挖掘的一般过程26
• 3.6 R语言-数据挖掘工具26-29
• 4 客户流失分类模型研究29-46
• 4.1 基于数据样本的集成学习29-30
• 4.2 基于特征的集成学习30-31
• 4.3 高维不平衡数据实验研究31-46
• 4.3.1 Bagging算法实现32-35
• 4.3.2 基于特征选择的Adaboost算法实现35-37
• 4.3.3 随机森林的算法实现37-46
• 5 用户流失分析与研究46-58
• 5.1 套餐系列（等级）分析46-48
• 5.2 通信指标特征研究48-50
• 5.3 指标间相关性分析50-51
• 5.4 流失指标的因子分析51-54
• 5.5 流失用户聚类研究54-56
• 5.6 流失原因分析56-58
• 6 结论与展望58-60
• 6.1 本文总结58-59
• 6.2 展望59-60
• 致谢60-61
• 参考文献61-62

【相似文献】

中国期刊全文数据库 前10条

1 韩海萌;信息时代的指南针——数据挖掘[J];江苏统计;2002年05期

2 韩双霞;李萍;;数据挖掘:构筑企业竞争优势[J];金卡工程;2002年08期

3 李菁菁,邵培基,黄亦潇;数据挖掘在中国的现状和发展研究[J];管理工程学报;2004年03期

4 ;中国科学院数据挖掘与知识管理学术研讨会在京举行[J];管理评论;2004年07期

5 李峰;数据挖掘在企业中的应用[J];商场现代化;2004年15期

6 魏瑜,陆静;数据挖掘与统计学的关系浅析[J];沿海企业与科技;2005年09期

7 罗锦珠;数据挖掘与知识管理的结合应用[J];技术经济;2005年10期

8 袁卫,林桢顺,谢邦昌;工业领域的数据挖掘——改善流程,提高效率[J];中国统计;2005年04期

9 王琳;;统计学方法在数据挖掘中的应用[J];当代经理人;2006年02期

10 刘晓华;;数据挖掘在商业中的应用[J];商场现代化;2006年34期

中国重要会议论文全文数据库 前10条

1 史东辉;蔡庆生;张春阳;;一种新的数据挖掘多策略方法研究[A];第十七届全国数据库学术会议论文集（研究报告篇）[C];2000年

2 张弦;;数据挖掘在农业中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

3 魏顺平;;教育数据挖掘:现状与趋势[A];信息化、工业化融合与服务创新——第十三届计算机模拟与信息技术学术会议论文集[C];2011年

4 关清平;沉培辉;;概率网络在数据挖掘上的应用[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年

5 丁瑾;;基于Web数据挖掘的综述[A];山西省科学技术情报学会学术年会论文集[C];2004年

6 聂茹;田森平;;Web数据挖掘及其在电子商务中的应用[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

7 李菊;王军;;数据挖掘在客户关系管理的应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

8 肖阳;李启贤;;数据挖掘在中国钢铁行业中的应用[A];中国计量协会冶金分会2012年会暨能源计量与节能降耗经验交流会论文集[C];2012年

9 杨磊;王贵成;汪勇;张占胜;;SQL Server 2005在数据挖掘中的应用[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 谢中;邱玉辉;;面向商务网站有效性的数据挖掘方法[A];第十八届全国数据库学术会议论文集（技术报告篇）[C];2001年

中国重要报纸全文数据库 前10条

1 本报记者褚宁;数据挖掘如“挖金”[N];解放日报;2002年

2 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年

3 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年

4 《网络世界》记者 王莹;数据挖掘保险业的新蓝海[N];网络世界;2012年

5 刘俊丽;基于地理化的网络数据挖掘与分析提升投资有效性[N];人民邮电;2014年

6 本报记者 连晓东;数据挖掘：金融信息化新热点[N];中国电子报;2002年

7 本报记者 凤小华 朱仁康;“数字挖掘软件”引领中国信息化新浪潮[N];中国电子报;2003年

8 本报记者　史延廷;“成功企业数据挖掘暨数量化管理论坛”在京举办[N];中国旅游报;2002年

9 朱小宁;数据挖掘：信息化战争的基础工程[N];解放军报;2005年

10 本报记者 王小平;从“大集中”走向数据挖掘[N];金融时报;2002年

中国博士学位论文全文数据库 前10条

1 于自强;海量流数据挖掘相关问题研究[D];山东大学;2015年

2 张馨;全基因组SNP芯片应用于CNV和L0H分析的软件比对与数据挖掘[D];复旦大学;2011年

3 彭计红;基于数据挖掘的痴呆中医证的研究[D];南京中医药大学;2015年

4 李秋虹;基于MapReduce的大规模数据挖掘技术研究[D];复旦大学;2013年

5 邬文帅;基于多目标决策的数据挖掘方法评估与应用[D];电子科技大学;2015年

6 谢邦彦;整合数据挖掘与TRIZ理论的质量管理方法研究[D];首都经济贸易大学;2010年

7 李荣;生物信息数据挖掘若干关键问题研究与应用[D];复旦大学;2004年

8 李玉华;面向服务的数据挖掘关键技术研究[D];华中科技大学;2006年

9 吴少智;时间序列数据挖掘在生物医学中的应用研究[D];电子科技大学;2010年

10 王珊珊;知识指导下的数据挖掘在新闻和金融工具之间因果关系上的应用[D];中国科学技术大学;2009年

中国硕士学位论文全文数据库 前10条

1 林仁红;基于数据挖掘的机遇识别与评价研究[D];首都经济贸易大学;2007年

2 张彦俊;游戏运营中的数据挖掘[D];复旦大学;2011年

3 焦亚召;基于多核函数FCM算法在数据挖掘聚类中的应用研究[D];昆明理工大学;2015年

4 王杰锋;物联网能耗数据智能分析及其应用平台设计[D];江南大学;2015年

5 刘学建;数据挖掘在电子商务推荐系统中的应用研究[D];昆明理工大学;2015年

6 戴阳阳;基于数据挖掘的金融时间序列预测研究与应用[D];江南大学;2015年

7 石思优;基于主题模型的医疗数据挖掘研究[D];广东技术师范学院;2015年

8 陈丹;移动互联网信令挖掘实现智慧营销的设计与实现应用研究[D];华南理工大学;2015年

9 陈思;基于数据挖掘的大学生客户识别模型的研究[D];昆明理工大学;2015年

10 位长帅;基于客户数据挖掘的电信客户关系管理研究[D];西南交通大学;2015年

，

本文编号：845494