SVM方法及其在客户流失预测中的应用研究.PDF

　2007 年 7 月 系统工程理论与实践 第 7 期 　 ( ) 文章编号 2007 SVM 方法及其在客户流失预测中的应用研究 1 2 3 3 3 应维云 ,覃 　正 ,赵 　宇 ,李 　兵 ,李 　秀 ( 1 西安交通大学 管理学院 ,西安 710049 ;2 上海财经大学 信息管理与工程学院 ,上海 200433 ; 3 清华大学 国家 CIMS 工程研究中心 ,北京 100084) 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 CWSVM ,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 CWCSVM 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. 关键词 : 　客户流失 ;支持向量机 ;客户关系管理 ;预测 中图分类号 : 　TP18 ;F270 　　　　　　　　文献标志码 : 　A 　　　 Support Vector Machine and Its Application in Customer Churn Prediction 1 2 3 3 3 YING Weiyun , QIN Zheng , ZHAO Yu , LI Bing , LI Xiu (1School of Management , Xi ’an Jiaotong University , Xi ’an 710049 , China ; 2The School of Information Management Engineering , Shanghai University of Finance Economics , Shanghai 200433 , China ; 3National CIMS Engineering Research Center , Tsinghua University , Beijing 100084 ,China) Abstract : 　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 twoclass model based on improved SVM to predict custom