一种基于双层融合结构的客户流失预测模型

摘要：

针对客户流失预测精准性的提升,提出了一种基于双层融合结构的客户流失预测模型.该模型不需要提前对数据集进行独热编码,避免了维度灾难和数据稀疏问题.其主要思想是融合多个高准确率的基于树的机器学习算法组成一个包含Stac-king层与Voting层的双层预测模型.数据集经过处理后输入到Stacking层,然后Stacking层的预测结果与处理后的数据集合并传递给Voting层,同时将Stacking层加入到Voting层的预测中,最后输出最终的预测结果.在Kaggle的电信客户公开数据集上的实验表明,与经典的客户流失预测模型和改进的客户流失预测模型相比,本模型明显提高了客户流失预测的准确率和精准率.

关键词：客户流失预测、准确率、机器学习、分类模型、精准率

所属期刊栏目：41

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61303146

在线出版日期：2020-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1634-1640