如何识别可能流失的电信服务客户？.doc

如何识别可能流失的电信服务客户？ ——使用Clementine软件建立贝叶斯网络进行数据分析的示例 By 吴令飞 集智俱乐部 利用贝叶斯网，我们可以将历史数据和“常识”结合起来，建立一个概率模型，来寻找潜在的因果关系并进行预测。 本例就是这样一个尝试。这里使用了Clementine软件，用于示例的数据流程名称是bayes_churn_retrain.str, 其涉及的数据包括telco_Jan.sav和telco_Feb.sav。这些在Clementine的Demos 里（贝叶斯网在Classification_Module directory目录下）都可以找到。 这是全流程。首先使用一月数据训练出第一个贝叶斯网络，其次使用第二个数据和第一个数据合并，训练出第二个贝叶斯网络。最后将两个网络比较，使用结果较好的那个用于下一步的预测工作。 使用事先的统计分析或常识，去掉与目标变量无关的自变量，加快建模速度。 将“churn”（客户是否流失，二元变量）设置为因变量Out，其他相关变量设置为自变量In。同时要设置相应的变量格式（二元、定类、定序、定距） 建立TAN贝叶斯网络Tree Augmented Na?ve Bayes，这种模型规模上较大，因为其在初始的时候包括了所有变量之间的概率关系，因此是robust initial model。选择Bayes adjustment for small cell counts作为参数学习方式。 将第二个月的数据按照第一个月的方式进行操作，以得到一月到二月的数据训练的结果。 除各项配置与之前相同外，选择“继续训练已有模型”。 将两个数据进行合并，以检测各自训练的结果。 将之前的filter和type节点拷下来，以重复那些处理过程。 将训练得到的两个贝叶斯网络添加在合并后的数据后面。 贝叶斯网络模型的界面包括两部分，左边展示因变量和重要自变量间的结构关系；右边展示变量（在模型估计中）的重要程度，或每个节点的概率值的条件概率及其根节点的联合概率值（the conditional probability value for each node value and each combination of values in its parent nodes）。 点击左栏中的点，右栏将出现相应点的条件概率。该条件概率被分为多栏显示，考虑到节点的根节点与兄弟节点。 添加一个filter节点对训练得到的两个网络进行重命名，以使建模工作更清晰。 使用一个分析节点Analysis node来考察模型的效率，看起来两个模型的正确率是一样的。 分析节点的替代品是Evaluation graph，可用建立一个gains chart来比较模型的预测效果。看起来两个差不多，但使用了两个月数据的模型有更高的信度，因此预测效果更好。因此，我们将选择这个模型。