| SVM方法及其在客户流失预测中的应用研究 | |
| 应维云 ; 覃正 ; 赵宇 ; 李兵 ; 李秀 ; YING Wei-yun ; QIN Zheng ; ZHAO Yu ; LI Bing ; LI Xiu | |
| 2010-06-09 ; 2010-06-09 | |
| 关键词 | 客户流失 支持向量机 客户关系管理 预测 customer churn support vector machine customer relationship management prediction F274 F224 |
| 其他题名 | Support Vector Machine and Its Application in Customer Churn Prediction |
| 中文摘要 | 客户流失分析与预测是客户关系管理的重要内容.针对客户流失问题,建立了支持向量机预测模型.针对实际客户流失数据中正负样本数量不平衡而且数据量大的特点,提出带有不同类权重参数的支持向量机算法CW-SVM,通过调整类权重参数改变分类面位置,提高算法分类准确性;将标准支持向量机训练问题转化为运算效率更高的核向量机问题,提出处理不平衡海量数据集的CWC-SVM算法.通过实际银行信贷客户数据集测试,该算法与传统预测算法比较,更适合解决大数据集和不平衡数据,取得较好的客户流失预测效果.; Customer churn analysis and prediction play an important role in customer relationship management and improve benefit of enterprise.A Support Vector Machine model is established to predict customer churn.Customer churn characteristic is presented in this paper.According to the churn data which is large scale and imbalance,this paper presents a two-class model based on improved SVM to predict customer churn.The class weighted SVM model CW-SVM is presented,and the accuracy is improved by adjusting the class weight and the position of boundary.The efficiency is improved by translating the SVM to the Core Vector Machine and a new algorithms CWC-SVM is presented.The arithmetic performance is better than others based on the test of real credit debt data set in the commercial bank.; 国家自然科学基金(70671059) |
| 语种 | 中文 ; 中文 |
| 内容类型 | 期刊论文 |
| 源URL | [http://hdl.handle.net/123456789/57548]  |
| 专题 | 清华大学 |
| 推荐引用方式 GB/T 7714 | 应维云,覃正,赵宇,等. SVM方法及其在客户流失预测中的应用研究[J],2010, 2010. |
| APA | 应维云.,覃正.,赵宇.,李兵.,李秀.,...&LI Xiu.(2010).SVM方法及其在客户流失预测中的应用研究.. |
| MLA | 应维云,et al."SVM方法及其在客户流失预测中的应用研究".(2010). |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论