基于特征选择的客户流失预测集成模型研究.pdfVIP

基于特征选择的客户流失预测集成模型研究 摘 要 客户流失预测中数据不平衡问题引起的流失类预测精度不高是客户流失研 究中面临的挑战性问题。特征选择和集成学习都能够一定程度的解决此类问题， 但如何有效的结合使得预测更加准确是我们亟待探究的问题。 首先介绍了客户流 失预测常用的解决方法：数据抽样、特征选择、代价敏感等。研究了特征选择和 集成学习在流失预测过程中的优势， 在此基础上提出了基于特征选择的分类器集 成模型。针对不同特征选择方法提出了三种基于特征选择的分类器集成模型： （1） 不考虑属性重要性的特征选择分类器集成模型 （NFSE）；(2) 基于互信息的特征选 择分类器集成模型（ MIFSE）;(3) 基于分类正确率的特征选择分类器集成模型 （FCAFE）。为了说明算法的适用性，将三种模型分别在朴素贝叶斯（ NB)、神经 网络（BP）、支持向量