SVM 多类别分类方法在客户流失预测中的应用研究.pdfVIP

第２７卷第３期　　　 计算机应用与软件 Ｖｏｌ２７Ｎｏ．３ ２０１０年３月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｍａｒ．２０１０ ＳＶＭ多类别分类方法在客户流失预测中的应用研究 李兴国　谢　伟　卢光松 （合肥工业大学管理学院　安徽合肥２３０００９） 摘　要　　针对移动客户的多类别特点以及不同类别客户的数据集分布不平衡，把ＣＷＳＶＭ应用于多类别分类，提出了ＤＡＧＣＷＳ ＶＭ算法，分别用１ＶＲＳＶＭ、１Ｖ１ＳＶＭ、ＤＡＧＳＶＭ与ＤＡＧＣＷＳＶＭ算法进行分类预测，并用ＲＯＣ曲线、ＡＵＣ值、提升度（ｌｉｆｔ）指标 对四种模型进行评价。实验表明ＤＡＧＣＷＳＶＭ算法不仅能够处理数据多类别分类问题，而且能够有效地解决数据集不平衡对预测 结果造成的影响，具有较好的预测效果。 关键词　　支持向量机　多类别客户流失预测　ＡＵＣ　提升度 ＯＮＡＰＰＬＹＩＮＧＳＶＭＭＵＬＴＩＣＬＡＳＳＣＬＡＳＳＩＦＩＣＡＴＩＯＮＩＮＣＵＳＴＯＭＥＲＣＨＵＲＮＰＲＥＤＩＣＴＩＯＮ ＬｉＸｉｎｇｇｕｏ　ＸｉｅＷｅｉ　ＬｕＧｕａｎｇｓｏｎｇ （ＳｃｈｏｏｌｏｆＭａｎａｇｅｍｅｎｔ，ＨｅｆｅｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈｅｆｅｉ２３０００９，Ａｎｈｕｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　ＩｎｌｉｇｈｔｏｆｍｕｌｔｉｃｌａｓｓｃｈａｒａｃｔｅｒｏｆＣｈｉｎａＭｏｂｉｌｅｃｕｓｔｏｍｅｒｓａｎｄｔｈｅｉｍｂａｌａｎｃｅｄｄａｔａｓｅｔｓｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅｃｕｓｔｏｍｅｒｓｉｎｄｉｆｆｅｒｅｎｔ ｃｌａｓｓｅｓ，ｔｈｅｃｌａｓｓｗｅｉｇｈｔｅｄＳＶＭｍｏｄｅｌＣＷＳＶＭｗａｓａｐｐｌｉｅｄｔｏｍｕｌｔｉｃｌａｓｓｃｌａｓｓｉｆｉｃａｔｉｏｎ，ａＤＡＧＣＷＳＶＭａｌｇｏｒｉｔｈｍｗａｓｐｒｏｐｏｓｅｄ．Ｃｌａｓｓｉｆｉｃａ ｔｉｏｎｗａｓｐｒｅｄｉｃｔｅｄｂｙ１ＶＲＳＶＭ，１Ｖ１ＳＶＭ，ＤＡＧＳＶＭａｎｄＤＡＧＣＷＳＶＭｒｅｓｐｅｃｔｉｖｅｌｙ，ａｎｄｔｈｅｉｎｄｉｃｅｓｏｆＲＯＣ（ｒｅｃｅｉｖｅｒｏｐｅｒａｔｉｎｇｃｈａｒａｃ ｔｅｒｉｓｔｉｃｃｕｒｖｅ），ＡＵＣ（ａｒｅａｕｎｄｅｒＲＯＣｃｕｒｖｅ）ｖａｌｕｅａｎｄｌｉｆｔｗｅｒｅｅｍｐｌｏｙｅｄｔｏａｓｓｅｓｓｔｈｅａｂｏｖｅｆｏｕｒｍｏｄｅｌｓ．Ｉｔｗａｓｄｅｍｏｎｓｔｒａｔｅｄｂｙｔｈｅｔｅｓｔ ｔｈａｔＤＡＧＣＷＳＶＭａｌｇｏｒｉｔｈｍｗａｓｓｕｉｔａｂｌｅｆｏｒｄｅａｌｉｎｇｗｉｔｈｍｕｌｔｉｃｌａｓｓｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｔｈｅｄａｔａ，ａｎｄｉｔｃａｎａｌｓｏｅｆｆｅｃｔｕａｌｌｙｏｖｅｒｃｏｍｅｔｈｅｉｍｐａｃｔ ｏｎｐｒｅｄｉｃｔｉｏｎｒｅｓｕｌｔｓｃａｕｓｅｄｂｙｔｈｅｉｍｂａｌａｎｃｅｏｆｄａｔａｓｅｔｓｗｉｔｈｈｉｇｈｅｒｐｒｅｄｉｃｔｉｏｎｅｆｆｅｃｔ． Ｋｅｙｗｏｒｄｓ　　Ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ＳＶＭ）　Ｍｕｌｔｉｃｌａｓｓｃｕｓｔｏｍｅｒａｔｔｒｉｔｉｏｎｐｒｅｄｉｃｔｉｏｎ　ＡＵＣ　Ｌｉｆｔ 最小原理基础上的，根据有限的样本信息在模型的复杂性和学 ０　引　言 习能力之间寻求最佳折衷，以期获得最好的泛化能力［３］。ＳＶＭ 方法的几个主要优点有： 竞争机制的引入以及客户方便的入网手续导致移动通讯业 （１）它是专门针对有限样本情况的，其目标是得到现有信 客户的流失率大大提高，流失客户预警成了移动行业特别关注 息下的最优解而不仅仅是样本数趋于无穷大时的最优值； 的问题。国外已经有许多学者针对客户流失问题，应用决策树、 （２）算法最终将转化成为一个二次型寻优问题，从理论上 神经元网络、进化算法、支持向量机等建立了预测模型，并取得