2022年MathorCup大数据竞赛优秀论文-4.pdfVIP

队伍编号MCB2201021

赛道B

基于SVR的业务评分预测模型

摘要

移动通信技术的快速发展为人们带来了便利，同时也使得网络覆盖越来越完善。为了提高

客户的网络使用体验，各个移动运营商开始重视客户满意度。本文利用中国移动提供的数据对

影响业务评分的主要因素进行了深入分析，并建立了业务评分的预测模型。

在数据预处理部分，我们首先对明显无关属性、重复属性与方差极小的属性进行了剔除处

理。对于空值，类别变量我们将其填充为此列的众数；而连续型变量，根据附件5说明，我们

将其填充为0。针对类别变量，我们将其进行标签编码，以便之后的数据分析。此外，我们根据

直觉构造出新的特征属性，如“遇到网络问题场景数”、“遇到网络问题类别数”、“视频网络问

题数”等。

针对问题一，本文首先将特征属性分为了两个类：连续型属性和离散型属性。针对连续型

属性，本文首先利用最大信息系数（MIC）来衡量特征属性与评分之间的线性与非线性相关性，

发现所有属性与评分的最大信息系数均小于0.1，无论是线性关系还是非线性关系均较弱。为了

进一步探究，利用灰色关联分析（GRA）得到灰色关联系数，发现均小于0.5。综合MIC和灰色

关联系数，说明了连续型变量对于评分的影响可以忽略。针对离散型属性，本文首先利用Pearson

卡方检验来衡量属性与评分之间的差异性，之后通过效应量化分析，计算Phi系数、克莱姆相

关系数、列联系数与Lambda统计量，发现在语音业务中，有7个属性主要影响其评分（表10），

其中，“是否遇到网络问题”对四个评分的影响均为最大；在上网业务中，有9个属性主要影响

其评分（表16），“遇到网络问题场景数”和“遇到网络问题类别数”对四个评分的影响均排在

前二位。

针对问题二，本文首先结合问题一的分析，将构造的新属性中对评分有主要影响的特征作

为新特征加入到问题二的属性中。结合预测数据与现有数据，对属性取交集作为用于预测的特

征。在特征工程方面，针对连续型变量，我们首先对它们进行正态性检验，计算偏度与峰度，

取偏度绝对值大于0.5的属性进行box-cox变换，之后对所有的连续型属性进行极差最大值变

化使其无量纲化；针对离散型变量，将无序离散型变量进行独热编码处理，而有序离散型变量

不做处理。在模型的选择方面，利用Python中sklearn的便捷性，对线性回归、贝叶斯岭回归、

LGBM、SVR、决策树回归、随机森林、XGBoost、GBDT、CatBoost以及基于Stacking的集成模型

分别进行了10折交叉验证，发现SVR的模型性能要远优于其他模型（表18），因此本文选择SVR

作为最后的模型。然后，本文利用随机搜索确定SVR超参数的最优范围，利用网格搜索确定超

参数的最终取值。以3：1划分训练集和验证集，在验证集上，得到模型在语音业务评分中的MAE

分别为1.035、1.163、1.015和1.115，在上网业务中的MAE分别为1.433、1.453、1.427和

1.449。最后，对附件3、4的数据进行预测，计算预测评分分布与附件1、2中评分分布的JS散

度，得到它们均在0.03左右，说明预测分布与真实数据分布相似，预测结果合理。

关键词：中国移动支持向量回归相关性分析

目录

一、问题重述1

1.1问题背景1

1.2数据分析1

1.3问题提出1

二、问题分析1

2.1问题一的分析1

2.2问题二的分析1

三、符号说明2

四、数据预处理2

4.1语音业务数据预处理2

4.2上网业务数据预处理3

五、问题一模型的建立与求解4

5.1语音业务满意度的主要影响因素4

5.2上网业务满意度的主要影响因素10

六、问题二模型的建立与求解12

6.1特征选择与转换12

6.2数据的编码与无量纲化14

6.3模型选择15

6.4支持向量机15

6.4评分预测16