基于PCA-NB算法的客户流失预测

发布时间：2017-09-10 23:21

  本文关键词：基于PCA-NB算法的客户流失预测

  更多相关文章： 数据挖掘 分类 朴素贝叶斯 主成分 客户流失预测 分类正确率

【摘要】：近些年来,越来越激烈的市场竞争促使诸多企业开始将营销策略的重点由产品转向客户身上,尤其在发展一个新客户的成本日益攀升的前提下,保持原有的老客户,提前预测出老客户的流失倾向,并采取相应措施防止其流失变得更加具有意义。因此,如何才能准确有效地预测出现有客户的流失倾向,制定科学合理的客户挽留策略,为企业减少损失、创造利润,已经成为了诸多企业关注的重点。朴素贝叶斯分类器作为一种原理十分简单但在实际的应用过程中却十分切实有效的分类模型,因其应用的前提是忽略各属性变量之间存在相关关系的条件独立性假设,但现实中几乎没有满足这个假设的问题,故此假设会对朴素贝叶斯分类器的分类正确率有一定影响。本文针对这一问题在利用朴素贝叶斯分类建模前先进行主成分分析,建立基于主成分分析的朴素贝叶斯分类模型,这样就满足了朴素贝叶斯的条件独立性假设,充分发挥出朴素贝叶斯分类器的优势,并与未进行主成分分析的朴素贝叶斯分类模型进行了比较,说明PCA—NB算法有效的提高了模型的分类正确率。最后将经过主成分分析降维处理的朴素贝叶斯算法应用于电信企业客户流失预测问题中,以期提高单纯用朴素贝叶斯分类模型进行客户流失预测的分类正确率,并根据不同的客户类型采取不同的挽留措施,防止企业的不必要损失,为企业节省发展新客户的成本。
【关键词】：数据挖掘 分类 朴素贝叶斯 主成分 客户流失预测 分类正确率
【学位授予单位】：兰州财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F274;TP18
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-16
• 1.1 研究背景和研究意义9-11
• 1.1.1 研究背景9-10
• 1.1.2 研究意义10-11
• 1.2 数据挖掘中的分类11-13
• 1.3 国内外的研究现状及发展趋势13-14
• 1.4 研究内容与组织框架14-15
• 1.5 本章小结15-16
• 2 朴素贝叶斯分类模型的研究介绍16-23
• 2.1 贝叶斯理论的相关知识16-18
• 2.1.1 贝叶斯定理16-17
• 2.1.2 贝叶斯决策准则17
• 2.1.3 极大后验假设和极大似然假设17-18
• 2.2 两种典型的贝叶斯分类模型18-22
• 2.2.1 朴素贝叶斯分类模型18-20
• 2.2.2 朴素贝叶斯网络模型20-22
• 2.3 本章小结22-23
• 3 数据预处理23-30
• 3.1 主成分分析23-26
• 3.1.1 适用性检验23-24
• 3.1.2 主成分求解24-26
• 3.2 属性筛选26-27
• 3.3 异常值和缺失值的处理27-28
• 3.4 数据标准化28-29
• 3.5 数据预处理方法的选择原则29-30
• 4 基于PCA-NB算法的客户流失预测实证研究30-47
• 4.1 客户流失预测的商业理解30-32
• 4.2 客户流失预测的数据理解32-34
• 4.3 客户流失预测的数据准备34-39
• 4.3.1 数据清洗36
• 4.3.2 属性约简36-37
• 4.3.3 主成分提取37-39
• 4.4 建立模型39-43
• 4.4.1 Native Bayes模型40-41
• 4.4.2 PCA-NB模型41-43
• 4.5 模型评估43-47
• 5 客户挽留47-51
• 5.1 客户流失原因的分析47-48
• 5.2 客户挽留策略制定48-49
• 5.3 客户挽留策略的几点建议49-51
• 6 总结与展望51-53
• 6.1 研究总结51-52
• 6.2 工作展望52-53
• 附录53-56
• 参考文献56-59
• 后记59

【相似文献】

中国期刊全文数据库 前10条

1 李睿仙;庞洁;胡建华;王清心;汪伟;;一种基于电信客户流失预警的解决方案[J];电脑知识与技术(学术交流);2007年02期

2 夏国恩;邵培基;;改进的支持向量分类机在客户流失预测中的应用[J];计算机应用研究;2009年06期

3 夏国恩;;基于简易支持向量机的客户流失预测研究[J];计算机应用研究;2010年03期

4 于小兵;曹杰;巩在武;;客户流失问题研究综述[J];计算机集成制造系统;2012年10期

5 丁旭;电信大客户流失原因分析及对策[J];现代电信科技;2003年01期

6 孔f3;探究电信行业客户流失[J];信息网络;2004年01期

7 牛琨;张舒博;;基于数据挖掘技术的电信业客户流失管理框架[J];电信工程技术与标准化;2006年01期

8 ;贴身咨询助营销精准实施——北京移动成功化解拍照客户流失危机[J];每周电脑报;2007年25期

9 蒋盛益;王连喜;;面向电信的客户流失预测模型研究[J];山东大学学报(理学版);2011年05期

10 柳兰屏,曾煜;移动通信客户流失分析方法[J];移动通信;2003年04期

中国重要会议论文全文数据库 前10条

1 司学峰;蒋国瑞;李英毅;;基于数据挖掘技术的客户流失预测研究综述[A];第三届中国智能计算大会论文集[C];2009年

2 李红霞;;电信客户流失与客户保持分析[A];中国企业运筹学[C];2009年

3 张俊巍;;电信行业客户流失管理模型浅析[A];黑龙江省通信学会学术年会论文集[C];2005年

4 段巍巍;;电信客户流失预测主题建模[A];第十届中国科协年会信息化与社会发展学术讨论会分会场论文集[C];2008年

5 张海波;赵焕成;;电信移动客户流失的预测模型——基于社会网络分析的实证研究[A];21世纪数量经济学（第11卷）[C];2010年

6 苏小龙;;基于消费行为认知的固网大客户流失研究[A];中国创新与企业成长（CI&G）2013年度会议论文集[C];2013年

7 余力涛;党延忠;杨光飞;;基于迁移学习的客户流失预测模型[A];第六届（2011）中国管理学年会——商务智能分会场论文集[C];2011年

8 李保升;陆炜颖;吕廷杰;;移动客户流失预测模型研究[A];2006中国控制与决策学术年会论文集[C];2006年

9 柳炳祥;盛昭翰;;一种基于Rough集的客户流失风险分析方法[A];2002年中国管理科学学术会议论文集[C];2002年

10 李萍;齐佳音;舒华英;;归因理论在移动客户流失管理中的应用探讨[A];全国第八届工业工程与企业信息化学术会议论文集[C];2004年

中国重要报纸全文数据库 前10条

1 冰蓝;如何防止客户流失[N];电脑商报;2005年

2 ;揭开客户流失真相[N];计算机世界;2005年

3 吴U，

本文编号：827249