原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
数据挖掘方法在用户流失预测分析中的应用,用户流失率预测怎么做,用户流失率预测,用户流失预测,水土流失预测时段,水土流失预测,客户流失预测模型,客户流失预测,流失预测,数据挖掘客户流失
, () 计算机工程与应用
154 2007439 ComputerEngineeringandApplications
数据挖掘方法在用户流失预测分析中的应用
1 2 2
刘光远 ,苑森淼 ,董立岩
1 2 2
, ,
LIUGuang-yuanYUANSen-miaoDONGLi-yan
吉林大学 通信工程学院,长春
1. 130022
吉林大学 计算机科学与技术学院,长春
2. 130012
, , ,
1.CollegeofCommunicationEngineeringJilinUniversityChangchun130022China
, , ,
2.CollegeofComputerScienceandTechnologyJilinUniversityChangchun130012China
:
E-mailjlu-liuguangyuan@
, ,
LIUGuang-yuanYUANSen-miaoDONGLi-yan.PredictionofChurnofcustomerswithDataMiningmethod.Computer
, , ():
EngineeringandApplications2007439 154-156.
: , ’
Abstract Inthetelecommunicationamajortopicistopredictthechurnofcustomersbasedonthedatabasewithcustomers
informationandcallinghistory.Thispaperproposesachaindataminingmethodtousethehistoricalandtemporarydataand
( )
combinedwithaTreedatabasestructuretoformaChaintreeClassifierCTC.Simulationwithagroupofdatashowsasatisfied
predictionresultfortheeventswhattheindustryoftelecom isinterested.Themethodcouldhelpthecompaniestofindthe
churnerandtokeepthecustomersandobtainthegoodrevenue.
: ; ( );
KeywordsDataMiningChainTreeClassifierCTC predictionofchurnofcustomers
摘 要:移动通信在高速发展的同时,出现了大量用户离网的现象,基于客户信息、消费行为等历史数据,进行客户离网预测分析
成为各个运营商普遍关注的问题。文章基于客户的历史数据和短期偶发数据,提出了链型数据挖掘方法,并结合决策树,形成了一
个综合的链型树分类器( , )和用户行为预测模型,实验结果显示,该分类器对移动通信运营商感兴趣的单
ChainTreeClassifierCTC
个事件发生具有良好的预测能力,可被应用到客户离网预测中,从而帮助运营商提前发现具有离网倾向的用户,进而获得更高的
利润。
关键词:数据挖掘;链型树分类器;用户流失预测
文章编号:
文档评论（0）