特征选择在券商客户流失模型中的应用

发布时间：2023-02-25 21:09

　　信息时代的今天,数据的获取越来越容易,在数据挖掘领域,需要面对的数据量也更加庞大.在二分类任务中,我们常常遇到维度高达几百上千的数据,要利用这些数据构建有效的分类学习器,特征选择是不可避免的问题.而在选择特征选择方法之前,需要对数据做预处理工作,处理数据中的缺失值,在类别不均衡时也需要采取方法来降低不均衡程度.特征选择的方法多种多样,但是目前还没有统一的方法适用于每一种问题,本文介绍了其中几种方法,并运用这些方法在券商客户流失模型上做了实验,对比了不同方法的优劣,选择了适用于现有问题的方法。

【文章页数】：54 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 特征选择问题的提出
    1.2 研究进展
    1.3 研究的目的
    1.4 研究的内容与方法
2 预备知识
    2.1 客户流失相关介绍
        2.1.1 客户流失的原因
        2.1.2 客户流失模型
    2.2 缺失值问题的处理
        2.2.1 缺失值处理的必要性
        2.2.2 缺失值处理的具体方法
    2.3 不平衡数据的相关理论
    2.4 特征选择方法
        2.4.1 特征选择的概念与意义
        2.4.2 特征选择方法
    2.5 学习器的介绍
        2.5.1 逻辑回归相关理论
        2.5.2 支持向量机相关理论
3 券商客户流失模型实际应用
    3.1 实际问题背景
    3.2 数据预处理
        3.2.1 数据初步处理
        3.2.2 缺失值的处理
        3.2.3 不均衡的处理
    3.3 特征选择
    3.4 模型构建结果分析
4 总结和展望
    4.1 全文总结
    4.2 论文存在的不足
参考文献
致谢



本文编号：3749202